Matplotlib 可視化進(jìn)階之動(dòng)畫

來源 | 數(shù)據(jù)STUDIO

我們想制作一個(gè)動(dòng)畫，其中正弦和余弦函數(shù)在屏幕上逐步繪制。首先需要告訴matplotlib我們想要制作一個(gè)動(dòng)畫，然后必須指定想要在每一幀繪制什么。一個(gè)常見的錯(cuò)誤是重新繪制每一幀的所有內(nèi)容，這會使整個(gè)過程非常緩慢。相反地，只能更新必要的內(nèi)容，因?yàn)槲覀冎涝S多內(nèi)容不會隨著幀的變化而改變。對于折線圖，我們將使用set_data方法更新繪圖，剩下的工作由matplotlib完成。注意隨著動(dòng)畫移動(dòng)的終點(diǎn)標(biāo)記。原因是我們在末尾指定了一個(gè)標(biāo)記(markevery=[-1])，這樣每次我們設(shè)置新數(shù)據(jù)時(shí)，標(biāo)記就會自動(dòng)更新并隨著動(dòng)畫移動(dòng)。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as animation

fig = plt.figure(figsize=(7, 2))
ax = plt.subplot()

X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
(line1,) = ax.plot(X, C, marker="o", markevery=[-1], 
                   markeredgecolor="white")
(line2,) = ax.plot(X, S, marker="o", markevery=[-1], 
                   markeredgecolor="white")

def update(frame):
    line1.set_data(X[:frame], C[:frame])
    line2.set_data(X[:frame], S[:frame])

plt.tight_layout()
ani = animation.FuncAnimation(fig, update, interval=10)

如果我們現(xiàn)在想要保存這個(gè)動(dòng)畫，matplotlib可以創(chuàng)建一個(gè)mp4文件，但是選項(xiàng)非常少。一個(gè)更好的解決方案是使用外部庫，如FFMpeg，它可以在大多數(shù)系統(tǒng)上使用。安裝完成后，我們可以使用專用的FFMpegWriter，如下圖所示：

writer = animation.FFMpegWriter(fps=30)
anim = animation.FuncAnimation(fig, update, 
                               interval=10,
                               frames=len(X))
anim.save("sine-cosine.mp4", writer=writer, dpi=100)

注意，當(dāng)我們保存mp4動(dòng)畫時(shí)，動(dòng)畫不會立即開始，因?yàn)閷?shí)際上有一個(gè)與影片創(chuàng)建相對應(yīng)的延遲。對于正弦和余弦，延遲相當(dāng)短，可以忽略。但對于長且復(fù)雜的動(dòng)畫，這種延遲會變得非常重要，因此有必要跟蹤其進(jìn)展。因此我們使用tqdm庫添加一些信息。

from tqdm.autonotebook import tqdm
bar = tqdm(total=len(X)) 
anim.save("../data/sine-cosine.mp4", 
          writer=writer, dpi=300,
          progress_callback = lambda i, n: bar.update(1)) 
bar.close()

[Errno 2] No such file or directory: 'ffmpeg'如果你在 macOS 上，只需通過 homebrew 安裝它：brew install ffmpeg

人口出生率

x = data['指標(biāo)'].values
rate= data['人口出生率(‰)']
y = rate.values
xvals = np.linspace(2002,2021,1000)
yinterp = np.interp(xvals,x,y)
(line1,) = ax.plot(xvals, yinterp, marker="o", 
                   markevery=[-1], markeredgecolor="white")
text = ax.text(0.01, 0.95,'text', ha="left", va="top", 
               transform=ax.transAxes, size=25)
ax.set_xticks(x)

def update(frame):
    line1.set_data(xvals[:frame], yinterp[:frame])
    text.set_text("%d 年人口出生率(‰) " % int(xvals[frame]))
    return line1, text

男女人口總數(shù)

# 設(shè)置畫布
fig = plt.figure(figsize=(10, 5))
ax = plt.subplot()
# 數(shù)據(jù)準(zhǔn)備
X = data['指標(biāo)']
male, female =data['男性人口(萬人)'], data['女性人口(萬人)']
# 繪制折線圖
(line1,) = ax.plot(X, male, marker="o", 
                   markevery=[-1], markeredgecolor="white")
(line2,) = ax.plot(X, female, marker="o", 
                   markevery=[-1], markeredgecolor="white")
# 設(shè)置圖形注釋
text = ax.text(0.01, 0.75,'text', 
               ha="left", va="top", 
               transform=ax.transAxes,size=20)
text2 = ax.text(X[0],male[0], '', ha="left", va="top")
text3 = ax.text(X[0],female[0], '', ha="left", va="top")
# 設(shè)置坐標(biāo)軸刻度標(biāo)簽
ax.set_xticks(X)
ax.set_yticks([])
# 設(shè)置坐標(biāo)軸線格式
ax.spines["top"].set_visible(False)
ax.spines["left"].set_visible(False)
ax.spines["right"].set_visible(False)
# 定義更新函數(shù)
def update(frame):
    line1.set_data(X[:frame+1], male[:frame+1])
    line2.set_data(X[:frame+1], female[:frame+1])
    text.set_text("%d 人口(萬人)" % X[frame])
    text2.set_position((X[frame], male[frame]))
    text2.set_text(f'男性: {male[frame]}')
    text3.set_position((X[frame], female[frame]))
    text3.set_text(f'女性: {female[frame]}')
    return line1,line2, text
# 定義輸出
plt.tight_layout()
writer = animation.FFMpegWriter(fps=5)
# 執(zhí)行動(dòng)畫
anim = animation.FuncAnimation(fig, update, interval=500, frames=len(X))
# 存儲動(dòng)畫
# 設(shè)置進(jìn)度條
bar = tqdm(total=len(X))
anim.save(
    "num_people2.mp4",
    writer=writer,
    dpi=300,
    progress_callback=lambda i, n: bar.update(1),
)
# 關(guān)閉進(jìn)度條
bar.close()

雨滴

# 設(shè)置雨滴繪圖更新函數(shù)
def rain_update(frame):
    global R, scatter
  # 數(shù)據(jù)獲取
    R["color"][:, 3] = np.maximum(0, R["color"][:, 3] - 1 / len(R))
    R["size"] += 1 / len(R)

    i = frame % len(R)
    R["position"][i] = np.random.uniform(0, 1, 2)
    R["size"][i] = 0
    R["color"][i, 3] = 1
    # 散點(diǎn)形狀設(shè)置
    scatter.set_edgecolors(R["color"])
    scatter.set_sizes(1000 * R["size"].ravel())
    scatter.set_offsets(R["position"])
    return (scatter,)
# 繪制畫布
fig = plt.figure(figsize=(6, 8), facecolor="white", dpi=300)
ax = fig.add_axes([0, 0, 1, 1], frameon=False)  # , aspect=1)
# 繪制初始化散點(diǎn)圖
scatter = ax.scatter([], [], s=[], 
                     linewidth=0.5, edgecolors=[], 
                     facecolors="None",cmap='rainbow')
# 設(shè)置雨滴數(shù)量
n = 250
# 為雨滴設(shè)置參數(shù)值
R = np.zeros(
    n, dtype=[("position", float, (2,)), 
              ("size", float, (1,)),
              ("color", float, (4,))])
R["position"] = np.random.uniform(0, 1, (n, 2))
R["size"] = np.linspace(0, 1.5, n).reshape(n, 1)
R["color"][:, 3] = np.linspace(0, 1, n)
# 設(shè)置坐標(biāo)軸格式
ax.set_xlim(0, 1), ax.set_xticks([])
ax.set_ylim(0, 1), ax.set_yticks([])
# 保存同上

[1]

Scientific Visualisation-Python & Matplotlib