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") 實時更新圖
# libraryfrom mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltimport pandas as pdimport 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 formatdf=data.unstack().reset_index()df.columns=["X","Y","Z"]# And transform the old column name in something numericdf["X"]=pd.Categorical(df["X"])df["X"]=df["X"].cat.codes# We are going to do 20 plots, for 20 different anglesfor 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()
全文共2153字,預計學習時長4分鐘或更長
用Matplotlib模擬雨
動畫是呈現各種現象的有趣方式。在描述像過去幾年的股票價格、過去十年的氣候變化、季節性和趨勢等時間序列資料時,與靜態圖相比,動畫更能說明問題。因為,從動畫中,我們可以看到特定引數是如何隨時間而變化的。
上圖是模擬雨的影象。此圖由Matplotlib繪相簿繪製而成,該繪相簿常常被認為是python視覺化資料包的原始資料組。Matplotlib透過50個分散點的比例和不透明度來模擬雨滴落在平面上的情景。如今,Plotly、Bokeh、Altair等一系列視覺化工具均為Python中強大的視覺化工具。這些庫可實現最先進的動畫和互動動作。但是,本文重點在於研究資料庫的一個方面——動畫。同時,我們也將關注實現動畫的方法。
概述Matplotlib是一個 Python 的 2D繪相簿,也是Python中最受歡迎的繪圖資料庫。大多數人在踏上資料視覺化之旅時,都是首選Matplotlib。這是因為它可簡單地生成繪圖,直方圖、功率譜、條形圖、錯誤圖、散點圖等。不僅如此,它還無縫連線了Pandas、Seaborn等資料庫,甚至創建出更為複雜的視覺化資料。
Matplotlib有幾大優點:
· 其構造和MATLAB(矩陣實驗室)類似,所以兩者間易於切換
· 包含許多後端渲染
· 可以快速生成繪圖
· 已存在數十年以上,因此,有大量的使用者基礎
但是,Matplotlib除了這些優點之外,也有許多不足之處:
· Matplotlib常常不可避免地存在冗繁的API(應用程式程式設計介面)
· 有時預設樣式設計不如人意
· 對web和互動式圖表的支援較低
· 處理大型及複雜的資料時速度常常較慢
對於進修者來說,Datacamp中有關於Matplotlib的必備知識可以幫助提高基礎知識。
動畫Matplotlib的動畫基類負責處理動畫部分。其可提供構建動畫功能的框架。有兩個主要介面來實現此功能:
FuncAnimation:透過反覆觸發func.功能建立動畫。
ArtistAnimation:利用已定義的Artist物件建立動畫。
但是,在上述兩種介面中,FuncAnimation更為方便。我們專注於FuncAnimation工具的研究。
要求
· 安裝numpy和matplotlib模組。
· 安裝符合要求的 ffmpeg 或imagemagick方可將動畫以mp4或gif的形式儲存。
一切準備就緒,就可以開始在JupyterNotebooks中製作第一個基本動畫了。本文的訪問密碼可在GithubRepository中獲取。
基本動畫:移動的正弦波
在電腦中,利用FuncAnimation建立正弦波的基本動畫。動畫原始碼可在Matplotlib動畫教程中獲取。先來看看輸出程式碼,然後將其破譯,並瞭解其中奧妙。
import numpy as npfrom matplotlib import pyplot as pltfrom matplotlib.animation import FuncAnimationplt.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,簡單地建立一個圖形視窗,圖中只有一個軸。然後,建立無內容的行物件,其本質上是在動畫中可修改的物件。稍後用資料來填充行物件。
· 在第11行到13行,建立init函式,觸發動畫發生。此函式初始化資料,並限定軸範圍。
· 最後,在第14行到第18行,定義動畫函式,該函式以幀數(i)作為引數,並建立一個正弦波(或任意其他的動畫),而其移動取決於i的值。此函式返回一個已修改的plot物件的元組,告知動畫框架plot中哪些部分需要動畫化。
· 在第20 行,建立實際的動畫物件。Blit引數確保只重新繪製已更改的部分。
· 這是在Matplolib中建立動畫的基本知識。只需對程式碼稍作調整,就可以創建出一些有趣的視覺化。接下來看看其中一些視覺化的例子吧。
一個不斷擴大的線圈同樣,在GreeksforGreeks中,有一個建立圖形的好例子。我們一起在animation模組的幫助下創造一個緩慢展開的活動線圈。該程式碼和正弦波圖極為相似,只有一些小調整。
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") 實時更新圖繪製股票資料、感測器資料等其他與時間相關的動態資料時,實時更新圖就會派上用場。我們繪製一個基圖,在更多的資料被輸入系統後,基圖就會自動更新。現在,來繪製某假定公司某月內的股價圖。
#importing librariesimport matplotlib.pyplot as pltimport matplotlib.animation as animationfig = 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()現在,開啟終端並執行python檔案,可以得到如下所示可自動更新的圖表:
其更新的時間間隔是1000毫秒或一秒。
3D圖中的動畫建立3D圖形十分常見,但是如果可以將這些圖形視角動畫化呢?其方法是,在改變相機檢視後,利用生成後的所有影象來建立動畫。而在PythonGraph Gallery(Python圖形庫)中有個專門的部分可以完成這類工作。
首先建立一個名為volcano的資料夾,放在與記事本相同的目錄中。然後,將所有會用於動畫化的圖形儲存在該資料夾中。
# libraryfrom mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltimport pandas as pdimport 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 formatdf=data.unstack().reset_index()df.columns=["X","Y","Z"]# And transform the old column name in something numericdf["X"]=pd.Categorical(df["X"])df["X"]=df["X"].cat.codes# We are going to do 20 plots, for 20 different anglesfor 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()這樣就可以在Volcano資料夾中建立多個PNG檔案。接著,利用ImageMagick(一個建立、編輯、合成圖片的軟體)將這些PNG檔案轉化成動畫。開啟終端並導向Volcano資料夾,輸入以下指令:
convert -delay 10 Volcano*.pnganimated_volcano.gif 利用Celluloid模組動畫化Celluloid是python中的一個模組,其在matplotlib中可簡化建立動畫的程序。這個庫建立一個matplotlib圖並從中建立相機。然後,重新啟用該圖,並在建立每幀動畫後,用上述相機拍快照。最後,利用所有捕捉到的幀建立動畫。
安裝
pip install celluloid下面是利用Celluloid模組的例子:
極小值
from matplotlib import pyplot as pltfrom celluloid import Camerafig = 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")子圖
import numpy as npfrom matplotlib import pyplot as pltfrom celluloid import Camerafig, 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")圖例
import matplotlibfrom matplotlib import pyplot as pltfrom celluloid import Camerafig = 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")我們一起分享AI學習與發展的乾貨