数据可视化: matplotlib绘制动态图及3维动画

动画能够有趣地展现某种现象。相比于静态图表，人们更容易被动画和交互式的图表所吸引。在描绘时间序列数据时，动画更有意义，例如多年来股票价格的波动，过去十年气候的季节性变化和和趋势，由于咱们能够看到特定参数如何随时间变化。

 

上图是用Matplotlib实现的雨滴模拟，Matplotlib库被人们亲切地称为Python可视化包的祖父。Matplotlib经过设置50个散射点的比例和不透明度的动画来模拟地表的雨滴。现在，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。本文的目在于介绍matlibplot这个库的中不为人熟悉的一面，那就是动画。让咱们一窥matplotlib的动画绘制。

概述

Matplotlib是一个python 2D绘图库，也是最流行的库之一。大多数人都是从Matplotlib开始他们的数据可视化之旅。使用matplotlib能够轻松生成plot图、柱状图、功率谱、柱状图、偏差图、散点图等。它还与Pandas和Seaborn等库无缝集成，以建立更复杂的可视化效果。

Matplotlib的一些优势是：

• 它的设计相似于matlab，所以在二者之间切换至关容易。
• 包含许多渲染后端。
• 几乎能够绘制任何种类的图表。
• 已经存在了十多年世界，具备巨大的用户基础。

然而，也有一些方面，Matplotlib并无那么耀眼，落后于其强大的对手。

• Matplotlib有一个命令式API，它一般过于冗长。
• 有时风格欠佳。
• 对Web和交互式图形的支持不足。
• 对于大型和复杂的数据，速度一般较慢。

为了快速复习一下matplotlib的用法，这里有一个来自Datacamp的Cheat sheet.

动起来

matplotlib的动画基础类实现了动画的绘制。它提供了一个框架，内建动画功能。由两个主要的接口的实现：

• FuncAnimation 经过周期性地调用函数func来制做动画。
• ArtistAnimation:使用一个固定的 Artist对象绘制动画.

在这两种方法中， FuncAnimation用起来最方便，这是它的文档。

环境依赖

必要：安装numpy和matplotlib

可选：为了保存动画为mp4或gif格式，须要 ffmpeg or imagemagick （不少linux发行版自带）.

入门：移动的sin曲线

这个例子来自于Matplotlib Animation tutorial，展现如何使用FuncAnimation建立一个基本的动画。

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=100, interval=20, blit=True)


anim.save('sine_wave.gif', writer='imagemagick')

运行以后，将在当前目录下生成一个gif文件。

解析：

在第7-9行，咱们建立了一个图像窗口，设置了坐标轴的范围。关键在于，在第9行建立了一个空的line对象，以后将经过更新line的数据，实现动画效果。

在第11-13行，咱们建立了初始化函数init，这个函数其实什么也没干，给了line对象空的数据。

第14-18行，咱们第难以了动画函数animate，入参i是动画帧序号，根据i计算新的sin曲线数据，更新到line对象。

在第20行，咱们利用以前所说的FuncAnimation()函数建立了对象anim，初始化时传入了figure对象，init()函数和animate()函数，以及帧数和更新时间。因为咱们的sin函数是波长为1，显示4个周期，所以循环一个周期，也就是100帧，就能够实现先后相接的循环效果了。

 

示波器上的李萨如图形

画一个一个正弦信号毕竟too simple. 大学课堂的物理课使用示波器，确定作过这样的实验：在阴极射线管示波器上使用x-y模式，x通道的正弦信号频率为f1，y通道的频率为f2，二者之间存在关系，随着n和m的不一样，残留的光辉会变幻出各类图形，称之为李萨如(Liaasjous)图形。无论你们还记不记得，咱们这就来画一个，直接上代码。

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 = [], [] 

#simulate ghost effect of oscilloscope
def ghostImage(x,y):
	xdata.append(x)
	ydata.append(y)
	if len(xdata)>60:
		del xdata[0]
		del ydata[0]
	return xdata,ydata

# animation function 
def animate(i): 
	# t is a parameter 
	t = i/100.0 
	
	# x, y values to be plotted 
	x = 40*np.sin(2*2*np.pi*(t+0.3)) 
	y = 40*np.cos(3*2*np.pi*t) 
	
	# appending new points to x, y axes points list 
	
	line.set_data(ghostImage(x,y)) 
	return line, 
	
# setting a title for the plot 
plt.title('Creating a Lissajous figure with matplotlib') 
# hiding the axis details 
plt.axis('off') 

# call the animator	 
anim = animation.FuncAnimation(fig, animate, init_func=init, 
							frames=400, interval=20, blit=True) 

# save the animation as gif file 
anim.save('figure.gif',writer='imagemagick')

 

三维动画

三维图像具备更多的信息，若是让三维图像的观察角度运动起来，那将十分有意思。

如今咱们用另一种暴力的思路制做三维动画：首先绘制一幅三维图，而后每次改变一下视角，成为一帧。这里再也不使用什么FuncAnimation函数了，直接将每帧保存成静态图片，而后合成为gif图。这样的好处在于，只要在原来的基础上增长一个循环，保存成多幅图像，就能合成动画。

咱们来读入一幅图片test.jpg，用plot_surface画成3D图；而后在程序中改变视角，保存成多幅图片（运行前要新建一个目录animFram，用于写入图像）。

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt 
from PIL import Image
#import matplotlib.animation as animation 
import numpy as np 

img = Image.open('test.jpg')
grayImg = img.convert('L')
width, height = grayImg.size
X, Y = np.meshgrid(np.arange(0,width), np.arange(0,height))
#print(X)
Z = np.array(grayImg)
fig = plt.figure() 
ax = fig.gca(projection='3d')
ax.plot_surface(X,Y,Z, rstride=1, cstride=1, cmap='viridis')
transition = lambda x,N: (1+np.sin(-0.5*np.pi+2*np.pi*x / (1.0*N)))/2.0
for i in range (40):
	horiAngle=45+50*transition(i,40)
	vertAngle=50+43*transition(i,40)
	
	ax.view_init(vertAngle,horiAngle)
	filename='animFram/'+str('%03d'%i)+'.png'
	plt.savefig(filename, dpi=96)

而后使用ImageMagick的convert命令，将多幅静态帧转换成gif，使用如下命令：

convert -delay 10 *.png gif.gif

好了那就介绍到这，足够用了，外面有人敲门。

Ref：

https://towardsdatascience.com/animations-with-matplotlib-d96375c5442c