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