用Matplotlib模拟雨
动画是呈现各种现象的有趣方式。在描述像过去几年的股票价格、过去十年的气候变化、季节性和趋势等时间序列数据时,与静态图相比,动画更能说明问题。因为,从动画中,我们可以看到特定参数是如何随时间而变化的。
上图是模拟雨的图像。此图由Matplotlib绘图库绘制而成,该绘图库常常被认为是python可视化数据包的原始数据组。Matplotlib通过50个分散点的比例和不透明度来模拟雨滴落在平面上的情景。如今,Plotly、Bokeh、Altair等一系列可视化工具均为Python中强大的可视化工具。这些库可实现最先进的动画和交互动作。但是,本文重点在于研究数据库的一个方面——动画。同时,我们也将关注实现动画的方法。
概述
Matplotlib是一个 Python 的 2D绘图库,也是Python中最受欢迎的绘图数据库。大多数人在踏上数据可视化之旅时,都是首选Matplotlib。这是因为它可简单地生成绘图,直方图、功率谱、条形图、错误图、散点图等。不仅如此,它还无缝连接了Pandas、Seaborn等数据库,甚至创建出更为复杂的可视化数据。
Matplotlib有几大优点:
· 其构造和MATLAB(矩阵实验室)类似,所以两者间易于切换
· 包含许多后端渲染
· 可以快速生成绘图
· 已存在数十年以上,因此,有大量的用户基础
但是,Matplotlib除了这些优点之外,也有许多不足之处:
· Matplotlib常常不可避免地存在冗繁的API(应用程序编程接口)
· 有时默认样式设计不如人意
· 对web和交互式图表的支持较低
· 处理大型及复杂的数据时速度常常较慢
对于进修者来说,Datacamp中有关于Matplotlib的必备知识可以帮助提高基础知识。
动画
Matplotlib的动画基类负责处理动画部分。其可提供构建动画功能的框架。有两个主要接口来实现此功能:
FuncAnimation:通过反复触发func.功能创建动画。
ArtistAnimation:利用已定义的Artist对象创建动画。
但是,在上述两种接口中,FuncAnimation更为方便。我们专注于FuncAnimation工具的研究。
要求
· 安装numpy和matplotlib模块。
· 安装符合要求的 ffmpeg 或imagemagick方可将动画以mp4或gif的形式储存。
一切准备就绪,就可以开始在JupyterNotebooks中制作第一个基本动画了。本文的访问密码可在GithubRepository中获取。
基本动画:移动的正弦波
在电脑中,利用FuncAnimation创建正弦波的基本动画。动画源代码可在Matplotlib动画教程中获取。先来看看输出代码,然后将其破译,并了解其中奥妙。
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,简单地创建一个图形窗口,图中只有一个轴。然后,创建无内容的行对象,其本质上是在动画中可修改的对象。稍后用数据来填充行对象。
· 在第11行到13行,创建init函数,触发动画发生。此函数初始化数据,并限定轴范围。
· 最后,在第14行到第18行,定义动画函数,该函数以帧数(i)作为参数,并创建一个正弦波(或任意其他的动画),而其移动取决于i的值。此函数返回一个已修改的plot对象的元组,告知动画框架plot中哪些部分需要动画化。
· 在第20 行,创建实际的动画对象。Blit参数确保只重新绘制已更改的部分。
· 这是在Matplolib中创建动画的基本知识。只需对代码稍作调整,就可以创建出一些有趣的可视化。接下来看看其中一些可视化的例子吧。
一个不断扩大的线圈
同样,在GreeksforGreeks中,有一个创建图形的好例子。我们一起在animation模块的帮助下创造一个缓慢展开的活动线圈。该代码和正弦波图极为相似,只有一些小调整。
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 )
实时更新图
绘制股票数据、传感器数据等其他与时间相关的动态数据时,实时更新图就会派上用场。我们绘制一个基图,在更多的数据被输入系统后,基图就会自动更新。现在,来绘制某假定公司某月内的股价图。
#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( )
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()
现在,打开终端并运行python文件,可以得到如下所示可自动更新的图表:
其更新的时间间隔是1000毫秒或一秒。
3D图中的动画
创建3D图形十分常见,但是如果可以将这些图形视角动画化呢?其方法是,在改变相机视图后,利用生成后的所有图像来创建动画。而在PythonGraph Gallery(Python图形库)中有个专门的部分可以完成这类工作。
首先创建一个名为volcano的文件夹,放在与记事本相同的目录中。然后,将所有会用于动画化的图形储存在该文件夹中。
# 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()
这样就可以在Volcano文件夹中创建多个PNG文件。接着,利用ImageMagick(一个创建、编辑、合成图片的软件)将这些PNG文件转化成动画。打开终端并导向Volcano文件夹,输入以下指令:
convert -delay 10 Volcano*.pnganimated_volcano.gif
利用Celluloid模块动画化
Celluloid是python中的一个模块,其在matplotlib中可简化创建动画的进程。这个库创建一个matplotlib图并从中创建相机。然后,重新启用该图,并在创建每帧动画后,用上述相机拍快照。最后,利用所有捕捉到的帧创建动画。
安装
pip install celluloid
下面是利用Celluloid模块的例子:
极小值
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 )
子图
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 )
图例
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 )
编译组:柳玥、伍颖欣
相关链接:
https://towardsdatascience.com/animations-with-matplotlib-d96375c5442c
本文分享自 机器学习算法与Python学习 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!