用Google Colab，怎样让机器学习图表动起来？
作者 Navjot 王小新 编译自 TowardsDataScience 量子位 出品 | 公众号 QbitAI
Google Colab发布短短半年时间，受到了众多机器学习小伙伴的追捧。
毕竟它无需安装、功能强大、支持实时协作，还能免费蹭Google云上的GPU，比Jupyter Notebooks不知高到哪里去了。
可是，Colab也有不友好的地方：机器学习第一步，也就是用可视化图表分析数据的时候，你就可能遇到困难。想在Colab里绘制动图，比在Jupyter Notebooks里难多了。
Jupyter Notebooks中，可以很容易地运行matplotlib库中的动图接口，但Colab中，就需要开动脑筋。
为了在Google Colab中绘制动图，名叫Navjot的小哥在Medium上提出了一种方法。
量子位搬运过来，以下为他博客的译文：
让图表动起来，我见过的最佳方法是这样的 ：
from matplotlib import rc
rc('animation', html='jshtml')下面，我们会分步详细介绍。
任务：绘制y= sin(x)曲线，并得到每个点切线的动画。
首先，导入函数库：
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import animation定义自变量x的范围，并绘制sin（x）函数：
x = np.linspace(-4, 4, 100)
y = np.sin(x)创建所需的绘图对象：
fig, ax = plt.subplots()
ax.set_xlim(( -4, 4))
ax.set_ylim((-2, 2))再画出2条线，对应目标函数和它的切线：
line1, = ax.plot([], [], lw=2)
line2, = ax.plot([], [], lw=2)接着，定义init函数，以设置动画中每一帧的背景：
def init():
line1.set_data(x, y)
return (line1,)然后，定义animate函数，并按顺序进行调用，得到每一帧中看出的变化：
def animate(i):
at_x = x[i]
# gradient_line will have the form m*x + b
m = np.cos(at_x)
b = np.sin(at_x) - np.cos(at_x)*at_x
gradient_line = m*x + b
line2.set_data(x, gradient_line)
return (line2,)最后，调用matplotlib.animation中FuncAnimation函数来设置动画参数：
anim = animation.FuncAnimation(fig, animate, init_func=init, frames=100, interval=100, blit=True)在该阶段，我们得到了动画对象anim，而且为了把动画内嵌到网页中，我们把图表中默认的表示设置为交互式的JavaScript小部件，把animate.html中的rc参数改为jshtml来实现。
rc('animation', html='jshtml')设置好上面内容后，我们就可以引用动画对象anim来显示内嵌动画图。
下面是完整的实现代码：
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import animation, rc
from IPython.display import HTML
# animate over some set of x, y
x = np.linspace(-4, 4, 100)
y = np.sin(x)
# First set up the figure, the axes, and the plot element
fig, ax = plt.subplots()
plt.close()
ax.set_xlim(( -4, 4))
ax.set_ylim((-2, 2))
line1, = ax.plot([], [], lw=2)
line2, = ax.plot([], [], lw=2)
# initialization function: plot the background of each frame
def init():
line1.set_data(x, y)
return (line1,)
# animation function: this is called sequentially
def animate(i):
at_x = x[i]
# gradient_line will have the form m*x + b
m = np.cos(at_x)
b = np.sin(at_x) - np.cos(at_x)*at_x
gradient_line = m*x + b
line2.set_data(x, gradient_line)
return (line2,)
anim = animation.FuncAnimation(fig, animate, init_func=init, frames=100, interval=100, blit=True)
rc('animation', html='jshtml')
anim在Google Colab中运行这个代码，可生成下面的内嵌动画图。
相关链接：
1. 本文的配套Colab文档：
https://colab.research.google.com/drive/131wXGA8h8d7llSZxZJ6R4e8nz0ih1WPG
2. 动图内嵌为交互式JavaScript小部件的方法：
http://tiao.io/posts/notebooks/embedding-matplotlib-animations-in-jupyter-as-interactive-javascript-widgets/
3. 原文：
https://towardsdatascience.com/making-animations-work-in-google-colaboratory-new-home-for-ml-prototyping-c6147186ae75