用 Matplotlib 庫生成動畫圖表

翻譯：瘋狂的技術宅
https://towardsdatascience.co...

---

更多文章請關注微信公衆號：硬核智能

---

動畫是一種展現現象的有趣方式。相對於靜態圖表，人類老是容易被動畫和交互式圖表所吸引。在描述多年來的股票價格、過去十年的氣候變化、季節性和趨勢等時間序列數據時，動畫更有意義，由於咱們能夠看到特定的參數是怎樣隨時間變化的。

上面的圖是雨滴的模擬而且已經使用 Matplotlib 庫實現，該庫是一個廣爲人知的祖父級別的 python 可視化包。 Matplotlib 經過對 50 個散點的比例和透明度進行設置來模擬雨滴。今天，Python 擁有大量強大的可視化工具，如 Plotly、Bokeh、Altair等等。這些庫可以實現最早進的動畫和交互特性。儘管如此，本文的目的是強調這個庫的另外一個方面，這個方面沒有人進行過太多的探索，這就是動畫。

---

概述

Matplotlib 是一個廣受歡迎的 Python 2D 繪圖庫。不少人都是從 Matplotlib 開始數據可視化之旅的。可使用matplotlib輕鬆生成圖表、直方圖、功率譜，條形圖，錯誤圖表，散點圖等。它還與 Pandas 和 Seaborn 等庫無縫集成，創造出更加複雜的可視化效果。

matplotlib 的優勢是：

• 它的設計相似於 MATLAB，所以很容易在在二者之間切換。
• 在後端進行渲染。
• 能夠重現任何圖表（須要一點努力）。
• 已經存在了十多年，擁有龐大的用戶羣。

然而，也有一些方面 Matplotlib 落後於同類的庫。

• Matplotlib 有一個過於冗長的規則 API。
• 有時候風格不好。
• 對 Web 和交互式圖表的支持不佳。
• 對於大型複雜數據而言一般很慢。

這份複習資料是來自 Datacamp 的 Matplotlib 小抄，你能夠經過它來提升本身的基礎知識。

---

動畫

Matplotlib 的 animation 基類負責處理動畫部分。它提供了一個構建動畫功能的框架。使用下面兩個接口來實現：

• FuncAnimation 經過重複調用函數 func 來產生動畫。
• ArtistAnimation： 動畫使用一組固定的 Artist 對象。

可是，在這兩個接口中，FuncAnimation 是最方便使用的。你能夠經過閱讀文檔 獲得的更多信息，由於咱們只關注 FuncAnimation 工具。

要求

• 安裝 numpy 和 matplotlib 。
• 要將動畫保存爲 mp4 或 gif，須要安裝 ffmpeg 或 imagemagick。

準備好以後，咱們就能夠在 Jupyter note 中開始建立第一個動畫了。能夠從 Github 獲得本文的代碼。

基本動畫：移動的正弦波

咱們先用 FuncAnimation 建立一個在屏幕上移動的正弦波的動畫。動畫的源代碼來自 Matplotlib 動畫教程。首先看一下輸出，而後咱們會分析代碼以瞭解幕後的原理。

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，咱們只需在圖中建立一個帶有單個軸的圖形窗口。而後建立一個空的行對象，它其實是動畫中要修改的對象。稍後將用數據對行對象進行填充。
• 在第（11-13）行中，咱們建立了 init 函數，它將使動畫開始。 init 函數對數據進行初始化並設置軸限制。
• 在第（14-18）行中，咱們最終定義了動畫函數，該函數將幀編號（ i ）做爲參數並建立正弦波（或任何其餘動畫），這取決於 i 的值。此函數返回一個已修改的繪圖對象的元組，它告訴動畫框架哪些部分應該屬於動畫。
• 在第 20 行中，咱們建立了實際的動畫對象。 blit 參數確保只重繪那些已經改變的圖塊。

這是在 Matplotlib 中建立動畫的基本方法。經過對代碼進行一些調整，能夠建立有趣的可視化圖表。接下來看看更多的可視化案例。

---

一個不斷增加的線圈

一樣，在 GeeksforGeeks 中有一個很好的例子。如今讓咱們在 matplotlib 的 animation 類的幫助下建立一個緩慢展開的動圈。該代碼很是相似於正弦波圖，只需稍做調整便可。

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')

---

實時更新圖表

在繪製動態數量（如庫存數據，傳感器數據或任何其餘時間相關數據）時，實時更新的圖表會派上用場。咱們繪製了一個簡單的圖表，當有更多數據被輸入系統時，該圖表會自動更新。下面讓咱們繪製一家假想公司在一個月內的股票價格。

# 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，打開終端並運行 python 腳本。你將獲得以下圖所示的圖表，該圖表會自動更新：

這裏的間隔是 1000 毫秒或一秒。

---

3D 圖動畫

建立 3D 圖形是很常見的，但若是咱們想要爲這些圖形的視角設置動畫，該怎麼辦呢？咱們的想法是更改攝像機視圖，而後用每一個生成的圖像來建立動畫。在 Python Graph Gallery 上有一個很好的例子。

在與 jupyter notebook 相同的目錄中建立名爲 volcano 的文件夾。全部圖片文件都將存儲在這裏，而後將在動畫中使用。

# 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()

這將會在 Volcano 文件夾中建立多個 PNG 文件。如今用 ImageMagick 將它們轉換爲動畫。打開終端並切換到 Volcano 目錄下輸入如下命令：

convert -delay 10 Volcano*.png animated_volcano.gif

---

使用 Celluloid 模塊建立的動畫

Celluloid 是一個Python模塊，它簡化了在 matplotlib 中建立動畫的過程。這個庫建立一個 matplotlib 圖，並從中再建立一個 Camera。而後從新處理數據，並在建立每一個幀後，用 camera 拍攝快照。最後建立包含全部幀的動畫。

安裝

pip install celluloid

如下是使用 Celluloid 模塊的一些示例。

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')

---

總結

動畫有助於突出顯示沒法經過靜態圖表輕鬆傳達的某些功能。儘管如此，沒必要要的過分使用有時會使事情複雜化，應該明智地使用數據可視化中的每一個功能以產生最佳效果。

更多文章請關注微信公衆號：硬核智能