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
The god of big data6 小时前
深入探索 DeepSeek 在数据分析与可视化中的应用
ai·数据挖掘·数据分析
赵钰老师15 小时前
【深度学习】遥感影像目标检测:从CNN(Faster-RCNN)到Transformer(DETR)
pytorch·深度学习·目标检测·机器学习·数据分析·cnn·transformer
♢.*18 小时前
析言GBI:用自然语言交互重构企业数据分析范式
人工智能·数据分析·大模型·交互·bi·阿里
谁不学习揍谁!19 小时前
基于Django快递物流管理可视化分析系统(完整系统源码+数据库+详细开发文档+万字详细论文+答辩PPT+详细部署教程等资料)
数据库·人工智能·后端·python·django·数据可视化
初尘屿风1 天前
基于Python的Diango旅游数据分析推荐系统设计与实现+毕业论文(15000字)
数据库·spring boot·python·数据挖掘·数据分析·旅游
莫叫石榴姐1 天前
DeepSeek驱动下的数据仓库范式转移:技术解耦、认知重构与治理演进
大数据·数据仓库·人工智能·重构·数据分析·deep learning
预测模型的开发与应用研究1 天前
数据分析的AI+流程(个人经验)
人工智能·数据挖掘·数据分析
Jackson@ML1 天前
Python数据可视化简介
开发语言·python·数据可视化
代码轨迹2 天前
使用DeepSeek+本地知识库,尝试从0到1搭建高度定制化工作流(数据分析篇)
人工智能·数据分析·deepseek
四棱子2 天前
olcs插件实现二三维地图切换
前端·数据可视化