首页 > 脚本专栏 > python > Matplotlib动画

Matplotlib绘图基础之动画绘制详解

2023-08-09 09:43:47 作者：databook

matplotlib的动画一直是一个强大但使用频率不高的功能，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,下面就跟随小编一起学习一下Matplotlib是如何绘制动画的吧

matplotlib的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。

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。

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：

画布：比如上面第一个示例中的 fig
回调函数：比如上面第一个示例中的 update
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
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：

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：

画布：比如上面示例中的 fig
每一帧的数据：比如上面示例中的 frames
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MP4和GIF。
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

#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。

#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。

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

以上就是Matplotlib绘图基础之动画绘制详解的详细内容，更多关于Matplotlib动画的资料请关注脚本之家其它相关文章！