讀芯術2019-05-16 15:02:43全文共2153字，預計學習時長4分鐘或更長
用Matplotlib模擬雨
動畫是呈現各種現象的有趣方式。在描述像過去幾年的股票價格、過去十年的氣候變化、季節性和趨勢等時間序列資料時，與靜態圖相比，動畫更能說明問題。因為，從動畫中，我們可以看到特定引數是如何隨時間而變化的。
上圖是模擬雨的影象。此圖由Matplotlib繪相簿繪製而成，該繪相簿常常被認為是python視覺化資料包的原始資料組。Matplotlib透過50個分散點的比例和不透明度來模擬雨滴落在平面上的情景。如今，Plotly、Bokeh、Altair等一系列視覺化工具均為Python中強大的視覺化工具。這些庫可實現最先進的動畫和互動動作。但是，本文重點在於研究資料庫的一個方面——動畫。同時，我們也將關注實現動畫的方法。
概述
Matplotlib是一個 Python 的 2D繪相簿，也是Python中最受歡迎的繪圖資料庫。大多數人在踏上資料視覺化之旅時，都是首選Matplotlib。這是因為它可簡單地生成繪圖，直方圖、功率譜、條形圖、錯誤圖、散點圖等。不僅如此，它還無縫連線了Pandas、Seaborn等資料庫，甚至創建出更為複雜的視覺化資料。
Matplotlib有幾大優點：
· 其構造和MATLAB（矩陣實驗室）類似，所以兩者間易於切換
· 包含許多後端渲染
· 可以快速生成繪圖
· 已存在數十年以上，因此，有大量的使用者基礎
但是，Matplotlib除了這些優點之外，也有許多不足之處：
· Matplotlib常常不可避免地存在冗繁的API（應用程式程式設計介面）
· 有時預設樣式設計不如人意
· 對web和互動式圖表的支援較低
· 處理大型及複雜的資料時速度常常較慢
對於進修者來說，Datacamp中有關於Matplotlib的必備知識可以幫助提高基礎知識。
動畫
Matplotlib的動畫基類負責處理動畫部分。其可提供構建動畫功能的框架。有兩個主要介面來實現此功能：
FuncAnimation：透過反覆觸發func。功能建立動畫。
ArtistAnimation：利用已定義的Artist物件建立動畫。
但是，在上述兩種介面中，FuncAnimation更為方便。我們專注於FuncAnimation工具的研究。
要求
· 安裝numpy和matplotlib模組。
· 安裝符合要求的 ffmpeg 或imagemagick方可將動畫以mp4或gif的形式儲存。
一切準備就緒，就可以開始在JupyterNotebooks中製作第一個基本動畫了。本文的訪問密碼可在GithubRepository中獲取。
基本動畫：移動的正弦波
在電腦中，利用FuncAnimation建立正弦波的基本動畫。動畫原始碼可在Matplotlib動畫教程中獲取。先來看看輸出程式碼，然後將其破譯，並瞭解其中奧妙。
import numpy as np
from matplotlib import pyplot as plt
from matplotlib。animation import FuncAnimation
plt。style。use（‘seaborn-pastel’）
fig = plt。figure（）
ax = plt。axes（xlim=（0， 4）， ylim=（-2， 2））
line， = ax。plot（［］， ［］， lw=3）
def init（）：
line。set_data（［］， ［］）
return line，
def animate（i）：
x = np。linspace（0， 4， 1000）
y = np。sin（2 * np。pi * （x - 0。01 * i））
line。set_data（x， y）
return line，
anim = FuncAnimation（fig， animate， init_func=init，
frames=200， interval=20， blit=True）
anim。save（‘sine_wave。gif’， writer=‘imagemagick’）
· 在第7行到第9行，簡單地建立一個圖形視窗，圖中只有一個軸。然後，建立無內容的行物件，其本質上是在動畫中可修改的物件。稍後用資料來填充行物件。
· 在第11行到13行，建立init函式，觸發動畫發生。此函式初始化資料，並限定軸範圍。
· 最後，在第14行到第18行，定義動畫函式，該函式以幀數（i）作為引數，並建立一個正弦波（或任意其他的動畫），而其移動取決於i的值。此函式返回一個已修改的plot物件的元組，告知動畫框架plot中哪些部分需要動畫化。
· 在第20 行，建立實際的動畫物件。Blit引數確保只重新繪製已更改的部分。
· 這是在Matplolib中建立動畫的基本知識。只需對程式碼稍作調整，就可以創建出一些有趣的視覺化。接下來看看其中一些視覺化的例子吧。
一個不斷擴大的線圈
同樣，在GreeksforGreeks中，有一個建立圖形的好例子。我們一起在animation模組的幫助下創造一個緩慢展開的活動線圈。該程式碼和正弦波圖極為相似，只有一些小調整。
import matplotlib。pyplot as plt
import matplotlib。animation as animation
import numpy as np
plt。style。use（‘dark_background’）
fig = plt。figure（）
ax = plt。axes（xlim=（-50， 50）， ylim=（-50， 50））
line， = ax。plot（［］， ［］， lw=2）
# initialization function
def init（）：
# creating an empty plot/frame
line。set_data（［］， ［］）
return line，
# lists to store x and y axis points
xdata， ydata = ［］， ［］
# animation function
def animate（i）：
# t is a parameter
t = 0。1*i
# x， y values to be plotted
x = t*np。sin（t）
y = t*np。cos（t）
# appending new points to x， y axes points list
xdata。append（x）
ydata。append（y）
line。set_data（xdata， ydata）
return line，
# setting a title for the plot
plt。title（‘Creating a growing coil with matplotlib！’）
# hiding the axis details
plt。axis（‘off’）
# call the animator
anim = animation。FuncAnimation（fig， animate， init_func=init，
frames=500， interval=20， blit=True）
# save the animation as mp4 video file
anim。save（‘coil。gif’，writer=‘imagemagick’）
實時更新圖
繪製股票資料、感測器資料等其他與時間相關的動態資料時，實時更新圖就會派上用場。我們繪製一個基圖，在更多的資料被輸入系統後，基圖就會自動更新。現在，來繪製某假定公司某月內的股價圖。
#importing libraries
import matplotlib。pyplot as plt
import matplotlib。animation as animation
fig = plt。figure（）
#creating a subplot
ax1 = fig。add_subplot（1，1，1）
def animate（i）：
data = open（‘stock。txt’，‘r’）。read（）
lines = data。split（‘\n’）
xs = ［］
ys = ［］
for line in lines：
x， y = line。split（‘，’） # Delimiter is comma
xs。append（float（x））
ys。append（float（y））
ax1。clear（）
ax1。plot（xs， ys）
plt。xlabel（‘Date’）
plt。ylabel（‘Price’）
plt。title（‘Live graph with matplotlib’）
ani = animation。FuncAnimation（fig， animate， interval=1000）
plt。show（）
現在，開啟終端並執行python檔案，可以得到如下所示可自動更新的圖表：
其更新的時間間隔是1000毫秒或一秒。
3D圖中的動畫
建立3D圖形十分常見，但是如果可以將這些圖形視角動畫化呢？其方法是，在改變相機檢視後，利用生成後的所有影象來建立動畫。而在PythonGraph Gallery（Python圖形庫）中有個專門的部分可以完成這類工作。
首先建立一個名為volcano的資料夾，放在與記事本相同的目錄中。然後，將所有會用於動畫化的圖形儲存在該資料夾中。
# library
from mpl_toolkits。mplot3d import Axes3D
import matplotlib。pyplot as plt
import pandas as pd
import seaborn as sns
# Get the data （csv file is hosted on the web）
url = ‘https：//python-graph-gallery。com/wp-content/uploads/volcano。csv’
data = pd。read_csv（url）
# Transform it to a long format
df=data。unstack（）。reset_index（）
df。columns=［“X”，“Y”，“Z”］
# And transform the old column name in something numeric
df［‘X’］=pd。Categorical（df［‘X’］）
df［‘X’］=df［‘X’］。cat。codes
# We are going to do 20 plots， for 20 different angles
for angle in range（70，210，2）：
# Make the plot
fig = plt。figure（）
ax = fig。gca（projection=‘3d’）
ax。plot_trisurf（df［‘Y’］， df［‘X’］， df［‘Z’］， cmap=plt。cm。viridis， linewidth=0。2）
ax。view_init（30，angle）
filename=‘Volcano/Volcano_step’+str（angle）+‘。png’
plt。savefig（filename， dpi=96）
plt。gca（）
這樣就可以在Volcano資料夾中建立多個PNG檔案。接著，利用ImageMagick（一個建立、編輯、合成圖片的軟體）將這些PNG檔案轉化成動畫。開啟終端並導向Volcano資料夾，輸入以下指令：
convert -delay 10 Volcano*。pnganimated_volcano。gif
利用Celluloid模組動畫化
Celluloid是python中的一個模組，其在matplotlib中可簡化建立動畫的程序。這個庫建立一個matplotlib圖並從中建立相機。然後，重新啟用該圖，並在建立每幀動畫後，用上述相機拍快照。最後，利用所有捕捉到的幀建立動畫。
安裝
pip install celluloid
下面是利用Celluloid模組的例子：
極小值
from matplotlib import pyplot as plt
from celluloid import Camera
fig = plt。figure（）
camera = Camera（fig）
for i in range（10）：
plt。plot（［i］ * 10）
camera。snap（）
animation = camera。animate（）
animation。save（‘celluloid_minimal。gif’， writer = ‘imagemagick’）
子圖
import numpy as np
from matplotlib import pyplot as plt
from celluloid import Camera
fig， axes = plt。subplots（2）
camera = Camera（fig）
t = np。linspace（0， 2 * np。pi， 128， endpoint=False）
for i in t：
axes［0］。plot（t， np。sin（t + i）， color=‘blue’）
axes［1］。plot（t， np。sin（t - i）， color=‘blue’）
camera。snap（）
animation = camera。animate（）
animation。save（‘celluloid_subplots。gif’， writer = ‘imagemagick’）
圖例
import matplotlib
from matplotlib import pyplot as plt
from celluloid import Camera
fig = plt。figure（）
camera = Camera（fig）
for i in range（20）：
t = plt。plot（range（i， i + 5））
plt。legend（t， ［f‘line {i}’］）
camera。snap（）
animation = camera。animate（）
animation。save（‘celluloid_legends。gif’， writer = ‘imagemagick’）
留言 點贊 關注
我們一起分享AI學習與發展的乾貨
歡迎關注全平臺AI垂類自媒體 “讀芯術”
