Matplotlib 可视化进阶之动画

来源 | 数据STUDIO

我们想制作一个动画，其中正弦和余弦函数在屏幕上逐步绘制。首先需要告诉matplotlib我们想要制作一个动画，然后必须指定想要在每一帧绘制什么。一个常见的错误是重新绘制每一帧的所有内容，这会使整个过程非常缓慢。相反地，只能更新必要的内容，因为我们知道许多内容不会随着帧的变化而改变。对于折线图，我们将使用set_data方法更新绘图，剩下的工作由matplotlib完成。注意随着动画移动的终点标记。原因是我们在末尾指定了一个标记(markevery=[-1])，这样每次我们设置新数据时，标记就会自动更新并随着动画移动。

importnumpyasnp
importmatplotlib.pyplotasplt
importmatplotlib.animationasanimation

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")

defupdate(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)

如果我们现在想要保存这个动画，matplotlib可以创建一个mp4文件，但是选项非常少。一个更好的解决方案是使用外部库，如FFMpeg，它可以在大多数系统上使用。安装完成后，我们可以使用专用的FFMpegWriter，如下图所示：

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，当我们保存mp4动画时，动画不会立即开始，因为实际上有一个与影片创建相对应的延迟。对于正弦和余弦，延迟相当短，可以忽略。但对于长且复杂的动画，这种延迟会变得非常重要，因此有必要跟踪其进展。因此我们使用tqdm库添加一些信息。

fromtqdm.autonotebookimporttqdm
bar = tqdm(total=len(X))
anim.save("../data/sine-cosine.mp4",
writer=writer, dpi=300,
progress_callback =lambdai, n: bar.update(1))
bar.close()

[Errno 2] No such file or directory: 'ffmpeg' 如果你在 macOS 上，只需通过 homebrew 安装它： brew install ffmpeg

人口出生率

x = data['指标'].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)

defupdate(frame):
line1.set_data(xvals[:frame], yinterp[:frame])
text.set_text("%d 年人口出生率(‰) "% int(xvals[frame]))
returnline1, text

男女人口总数

# 设置画布
fig = plt.figure(figsize=(10,5))
ax = plt.subplot()
# 数据准备
X = data['指标']
male, female =data['男性人口(万人)'], data['女性人口(万人)']
# 绘制折线图
(line1,) = ax.plot(X, male, marker="o",
markevery=[-1], markeredgecolor="white")
(line2,) = ax.plot(X, female, marker="o",
markevery=[-1], markeredgecolor="white")
# 设置图形注释
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")
# 设置坐标轴刻度标签
ax.set_xticks(X)
ax.set_yticks([])
# 设置坐标轴线格式
ax.spines["top"].set_visible(False)
ax.spines["left"].set_visible(False)
ax.spines["right"].set_visible(False)
# 定义更新函数
defupdate(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(万人)"% 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]}')
returnline1,line2, text
# 定义输出
plt.tight_layout()
writer = animation.FFMpegWriter(fps=5)
# 执行动画
anim = animation.FuncAnimation(fig, update, interval=500, frames=len(X))
# 存储动画
# 设置进度条
bar = tqdm(total=len(X))
anim.save(
"num_people2.mp4",
writer=writer,
dpi=300,
progress_callback=lambdai, n: bar.update(1),
)
# 关闭进度条
bar.close()

雨滴

# 设置雨滴绘图更新函数
defrain_update(frame):
globalR, scatter
# 数据获取
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
# 散点形状设置
scatter.set_edgecolors(R["color"])
scatter.set_sizes(1000* R["size"].ravel())
scatter.set_offsets(R["position"])
return(scatter,)
# 绘制画布
fig = plt.figure(figsize=(6,8), facecolor="white", dpi=300)
ax = fig.add_axes([0,0,1,1], frameon=False)# , aspect=1)
# 绘制初始化散点图
scatter = ax.scatter([], [], s=[],
linewidth=0.5, edgecolors=[],
facecolors="None",cmap='rainbow')
# 设置雨滴数量
n =250
# 为雨滴设置参数值
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)
# 设置坐标轴格式
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