Matplotlib基础-动画

matplotlib动画 一直是一个强大但使用频率不高的功能,究其原因,

一方面展示动画需要一定的媒介,没有图形和文字展示方便;

二来大家更关心的是分析结果的最终图表,图表的动态展示则没有那么重要。

不过,随着短视频的兴起,在短视频平台上展示动画变得非常容易,

所以,我们发现有越来越多的数据分析动画(比如各种横向条形图的排名等等)出现在了短视频平台上。

通过动画来展示数据和模型的变化过程,可使数据的可视化更加生动形象,

随着各种平台的兴起,matplotlib的动画功能也因此有了更多的用武之地。

1. 动画示例

介绍matplotlib的动画功能之前,先看用matplotlib制作的两个简单的的动画示例。

1.1. 单个动画

首先是单个动画,绘制一个正弦曲线。

python 复制代码
import numpy as np

import matplotlib
import matplotlib.pyplot as plt
import matplotlib.animation as animation

x = np.linspace(-8, 8, 100)
y = np.sin(x)

fig, ax = plt.subplots()
(g,) = ax.plot(x, y)


def update(frame):
    y = np.sin(x[:frame])
    g.set_data(x[:frame], y)


animation.FuncAnimation(fig, update, interval=50, frames=len(x))

1.2. 组合动画

除了单个动画之外,组合动画也简单,下面的示例中,

先绘制一个正弦曲线,然后一个点沿着曲线运动,随着这个点,绘制正弦曲线的切线。

python 复制代码
x = np.linspace(-8, 8, 100)
f = lambda x: np.sin(x / 2)

fig, ax = plt.subplots()
fig.set_size_inches(8, 4)
ax.plot(x, f(x), 'lightblue')

(point,) = ax.plot(x[0], f(x[0]), "r", alpha=0.4, marker="o")
(line,) = ax.plot([0], [0], "g", linewidth=3)

#绘制切线
def tangent_line(x0, y0):
    h = 1e-4
    num_min = f(x0 - h)
    num_max = f(x0 + h)
    k = (num_max - num_min) / (2 * h)

    xs = np.linspace(x0 - 0.5, x0 + 0.5, 100)
    ys = y0 + k * (xs - x0)
    return xs, ys

#移动切点
def move_point(frame):
    point.set_data([x[frame]], [f(x[frame])])

    xs, ys = tangent_line(x[frame], f(x[frame]))
    line.set_data(xs, ys)


animation.FuncAnimation(fig, move_point, interval=50, frames=len(x))

2. 动画函数

matplotlib的动画函数主要有两种,它们的动画原理差别很大,

了解它们之间的区别,才能根据自己的场景选择合适的动画函数。

2.1. FuncAnimation

上一节的示例中使用的就是FuncAnimation,它的动画原理是通过回调函数,不断重绘图形,已达到动画的效果。

主要的参数有:

  1. 画布:比如上面第一个示例中的 fig
  2. 回调函数:比如上面第一个示例中的 update
  3. 调用回调函数的间隔:比如上面第一个示例中的 interval=50,单位是毫秒
  4. 调用回调函数的次数:比如上面第一个示例中的 frames=len(x)

简单来说,也就是FuncAnimation函数每隔interval毫秒,调用一次update,一共调用frames次。``

2.2. ArtistAnimation

ArtistAnimation函数的原理则是先准备好每一帧的数据,然后绘制按照一定的时间间隔,

绘制每一帧数据对应的图像。

比如上面的示例一样的正弦曲线,用ArtistAnimation函数绘制的话:

python 复制代码
points = np.linspace(-8, 8, 100)

fig, ax = plt.subplots()

frames = []
for i in range(50):
    x = points[:i]
    y = np.sin(x)
    g = ax.plot(x, y)
    frames.append(g)

animation.ArtistAnimation(fig, frames, interval=50)

ArtistAnimation的主要参数:

  1. 画布:比如上面示例中的 fig
  2. 每一帧的数据:比如上面示例中的 frames
  3. 每一帧的间隔:比如上面示例中的 interval=50,单位是毫秒

ArtistAnimation没有回调函数,只要准备好每一帧的数据,它会按照时间间隔绘制每一帧的数据。

3. 动画导出

最后,是动画的导出,常用的两种格式是MP4GIF

如果安装了 ffmpeg,那么导出这两种格式就很简单了。

3.1. 导出mp4

python 复制代码
#前面部分省略。。。
anim = animation.FuncAnimation(fig, update, interval=50, frames=len(x))
anim.save("./output.mp4", writer='ffmpeg')

导出的文件名后缀 mp4,则可以导出视频。

这里的writer参数用ffmpeg

3.2. 导出GIF

同样,导出gif也一样,文件名的后缀 gif即可。

python 复制代码
#前面部分省略。。。
anim = animation.FuncAnimation(fig, update, interval=50, frames=len(x))
anim.save("./output.gif", writer='ffmpeg')

当然,也可以不用ffmpeg,比如,如果安装了imagemagick,这里的writer也可以用imagemagick

python 复制代码
#前面部分省略。。。
anim = animation.FuncAnimation(fig, update, interval=50, frames=len(x))
anim.save("./output.gif", writer='imagemagick')
相关推荐
沐墨染1 小时前
敏感词智能检索前端组件设计:树形组织过滤与多维数据分析
前端·javascript·vue.js·ui·数据挖掘·数据分析
YangYang9YangYan1 小时前
2026大专计算机专业学数据分析的实用性与前景分析
数据挖掘·数据分析
Carl_奕然12 小时前
【数据挖掘】数据挖掘必会技能之:A/B测试
人工智能·python·数据挖掘·数据分析
数据智研15 小时前
【数据分享】(2005–2016年)基于水资源承载力的华北地区降水与地下水要素数据
大数据·人工智能·信息可视化·数据分析
UrbanJazzerati15 小时前
解码数据分布:茎叶图和箱形图初学者指南
面试·数据分析
少林码僧17 小时前
2.29 XGBoost、LightGBM、CatBoost对比:三大梯度提升框架选型指南
人工智能·机器学习·ai·数据挖掘·数据分析·回归
Golang编程笔记18 小时前
电商数据分析的未来发展路径
ai·数据挖掘·数据分析
Heorine20 小时前
数学建模 绘图 图表 可视化(6)
python·数学建模·数据可视化
城数派1 天前
2019-2025年各区县逐月新房房价数据(Excel/Shp格式)
大数据·数据分析·excel
橙露1 天前
从零基础到实战:Python 数据分析三剑客(Pandas+NumPy+Matplotlib)核心应用指南
python·数据分析·pandas