用 Matplotlib 库生成动画图表

翻译：疯狂的技术宅
https://towardsdatascience.co...

---

更多文章请关注微信公众号：硬核智能

---

动画是一种展现现象的有趣方式。相对于静态图表，人类老是容易被动画和交互式图表所吸引。在描述多年来的股票价格、过去十年的气候变化、季节性和趋势等时间序列数据时，动画更有意义，由于咱们能够看到特定的参数是怎样随时间变化的。

上面的图是雨滴的模拟而且已经使用 Matplotlib 库实现，该库是一个广为人知的祖父级别的 python 可视化包。 Matplotlib 经过对 50 个散点的比例和透明度进行设置来模拟雨滴。今天，Python 拥有大量强大的可视化工具，如 Plotly、Bokeh、Altair等等。这些库可以实现最早进的动画和交互特性。尽管如此，本文的目的是强调这个库的另外一个方面，这个方面没有人进行过太多的探索，这就是动画。

---

概述

Matplotlib 是一个广受欢迎的 Python 2D 绘图库。不少人都是从 Matplotlib 开始数据可视化之旅的。可使用matplotlib轻松生成图表、直方图、功率谱，条形图，错误图表，散点图等。它还与 Pandas 和 Seaborn 等库无缝集成，创造出更加复杂的可视化效果。

matplotlib 的优势是：

• 它的设计相似于 MATLAB，所以很容易在在二者之间切换。
• 在后端进行渲染。
• 能够重现任何图表（须要一点努力）。
• 已经存在了十多年，拥有庞大的用户群。

然而，也有一些方面 Matplotlib 落后于同类的库。

• Matplotlib 有一个过于冗长的规则 API。
• 有时候风格不好。
• 对 Web 和交互式图表的支持不佳。
• 对于大型复杂数据而言一般很慢。

这份复习资料是来自 Datacamp 的 Matplotlib 小抄，你能够经过它来提升本身的基础知识。

---

动画

Matplotlib 的 animation 基类负责处理动画部分。它提供了一个构建动画功能的框架。使用下面两个接口来实现：

• FuncAnimation 经过重复调用函数 func 来产生动画。
• ArtistAnimation： 动画使用一组固定的 Artist 对象。

可是，在这两个接口中，FuncAnimation 是最方便使用的。你能够经过阅读文档 获得的更多信息，由于咱们只关注 FuncAnimation 工具。

要求

• 安装 numpy 和 matplotlib 。
• 要将动画保存为 mp4 或 gif，须要安装 ffmpeg 或 imagemagick。

准备好以后，咱们就能够在 Jupyter note 中开始建立第一个动画了。能够从 Github 获得本文的代码。

基本动画：移动的正弦波

咱们先用 FuncAnimation 建立一个在屏幕上移动的正弦波的动画。动画的源代码来自 Matplotlib 动画教程。首先看一下输出，而后咱们会分析代码以了解幕后的原理。

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（7-9）行中，咱们只需在图中建立一个带有单个轴的图形窗口。而后建立一个空的行对象，它其实是动画中要修改的对象。稍后将用数据对行对象进行填充。
• 在第（11-13）行中，咱们建立了 init 函数，它将使动画开始。 init 函数对数据进行初始化并设置轴限制。
• 在第（14-18）行中，咱们最终定义了动画函数，该函数将帧编号（ i ）做为参数并建立正弦波（或任何其余动画），这取决于 i 的值。此函数返回一个已修改的绘图对象的元组，它告诉动画框架哪些部分应该属于动画。
• 在第 20 行中，咱们建立了实际的动画对象。 blit 参数确保只重绘那些已经改变的图块。

这是在 Matplotlib 中建立动画的基本方法。经过对代码进行一些调整，能够建立有趣的可视化图表。接下来看看更多的可视化案例。

---

一个不断增加的线圈

一样，在 GeeksforGeeks 中有一个很好的例子。如今让咱们在 matplotlib 的 animation 类的帮助下建立一个缓慢展开的动圈。该代码很是相似于正弦波图，只需稍做调整便可。

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')

---

实时更新图表

在绘制动态数量（如库存数据，传感器数据或任何其余时间相关数据）时，实时更新的图表会派上用场。咱们绘制了一个简单的图表，当有更多数据被输入系统时，该图表会自动更新。下面让咱们绘制一家假想公司在一个月内的股票价格。

# 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()

如今，打开终端并运行 python 脚本。你将获得以下图所示的图表，该图表会自动更新：

这里的间隔是 1000 毫秒或一秒。

---

3D 图动画

建立 3D 图形是很常见的，但若是咱们想要为这些图形的视角设置动画，该怎么办呢？咱们的想法是更改摄像机视图，而后用每一个生成的图像来建立动画。在 Python Graph Gallery 上有一个很好的例子。

在与 jupyter notebook 相同的目录中建立名为 volcano 的文件夹。全部图片文件都将存储在这里，而后将在动画中使用。

# 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()

这将会在 Volcano 文件夹中建立多个 PNG 文件。如今用 ImageMagick 将它们转换为动画。打开终端并切换到 Volcano 目录下输入如下命令：

convert -delay 10 Volcano*.png animated_volcano.gif

---

使用 Celluloid 模块建立的动画

Celluloid 是一个Python模块，它简化了在 matplotlib 中建立动画的过程。这个库建立一个 matplotlib 图，并从中再建立一个 Camera。而后从新处理数据，并在建立每一个帧后，用 camera 拍摄快照。最后建立包含全部帧的动画。

安装

pip install celluloid

如下是使用 Celluloid 模块的一些示例。

Minimal

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')

Subplot

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')

Legend

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')

---

总结

动画有助于突出显示没法经过静态图表轻松传达的某些功能。尽管如此，没必要要的过分使用有时会使事情复杂化，应该明智地使用数据可视化中的每一个功能以产生最佳效果。

更多文章请关注微信公众号：硬核智能