python繪製動態模擬圖
動圖
很多時候我們繪圖不僅僅是繪製最終的統計結果圖,而是想看看在不同引數不同時刻下的連續圖形,這個在模擬模擬的時候相當有用。比如機器學習中,引數的變化導致的變化,比如我最近做的庫存水平變化模擬等。如果我們繪製靜態影象,只能看到某一時刻的直觀圖形,如果加入時間線,那麼就能直觀感受變數的變化過程。
其實原理也挺簡單的,就是建立一幅圖,定義圖形中曲線,散點,標註等各個物件,然後在不同時刻,更新這些物件的資料,matplotlib會自動根據新的資料重新整理圖形。
動圖的核心函式是matplotlib.animation.FuncAnimation
,基本用法是:
anim = animation.funcanimation(fig, animate, init_func=init, frames=100 , interval=20, blit=true)
# fig: 是我們建立的畫布
# animat: 是重點,是我們每個時刻要更新圖形物件的函式,返回值和init_func相同
# init_func: 初始化函式,其返回值就是每次都要更新的物件,
# 告訴FuncAnimation在不同時刻要更新哪些圖形物件
# frames: 相當於時刻t,要模擬多少幀圖畫,不同時刻的t相當於animat的引數
# interval: 重新整理頻率,毫秒
# blit: blit是一個非常重要的關鍵字,它告訴動畫只重繪修改的部分,結合上面儲存的時間,
# blit=true會使動畫顯示得會非常非常快
下面通過幾個例子來說明使用方法。
例子1
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation # 動圖的核心函式
import seaborn as sns # 美化圖形的一個繪圖包
sns.set_style("whitegrid") # 設定圖形主圖
# 建立畫布
fig, ax = plt.subplots()
fig.set_tight_layout(True)
# 畫出一個維持不變(不會被重畫)的散點圖和一開始的那條直線。
x = np.arange(0, 20, 0.1)
ax.scatter(x, x + np.random.normal(0, 3.0, len(x)))
line, = ax.plot(x, x - 5, 'r-', linewidth=2)
def update(i):
label = 'timestep {0}'.format(i)
print(label)
# 更新直線和x軸(用一個新的x軸的標籤)。
# 用元組(Tuple)的形式返回在這一幀要被重新繪圖的物體
line.set_ydata(x - 5 + i) # 這裡是重點,更新y軸的資料
ax.set_xlabel(label) # 這裡是重點,更新x軸的標籤
return line, ax
# FuncAnimation 會在每一幀都呼叫“update” 函式。
# 在這裡設定一個10幀的動畫,每幀之間間隔200毫秒
anim = FuncAnimation(fig, update, frames=np.arange(0, 10), interval=200)
例子2
為了程式碼更加通用,我們繪製上下兩個子圖,每個子圖繪製正弦波和散點圖的組合。
重點是散點圖的繪製,線圖和例子1一樣,都是更新x,y軸資料即可。
散點圖用 set_offsets(data)
函式,而且data
的資料格式是[[x1,y1],[x2,y2]...]
,而不像直線,其資料格式是x軸的放在一起,y軸的放在一起。
from matplotlib import pyplot as plt
from matplotlib import animation
import numpy as np
import seaborn as sns
sns.set_style("whitegrid")
def randn_point():
# 產生隨機散點圖的x和y資料
x=np.random.randint(1,100,3)
y=np.random.randint(1,2,3)
return x,y
# 建立畫布,包含2個子圖
fig = plt.figure(figsize=(15, 10))
ax1 = fig.add_subplot(2, 1, 1)
ax2 = fig.add_subplot(2, 1, 2)
# 先繪製初始圖形,每個子圖包含1個正弦波和三個點的散點圖
x = np.arange(0, 2*np.pi, 0.01)
line1, = ax1.plot(x, np.sin(x)) # 正弦波
x1,y1=randn_point()
sca1 = ax1.scatter(x1,y1) # 散點圖
line2, = ax2.plot(x, np.cos(x)) # 餘弦波
x2,y2=randn_point()
sca2 = ax2.scatter(x2,y2) # 散點圖
def init():
# 構造開始幀函式init
# 改變y軸資料,x軸不需要改
line1.set_ydata(np.sin(x))
line1.set_ydata(np.cos(x))
# 改變散點圖資料
x1, y1 = randn_point()
x2, y2 = randn_point()
data1 = [[x,y] for x,y in zip(x1,y1)]
data2 = [[x, y] for x, y in zip(x2, y2)]
sca1.set_offsets(data1) # 散點圖
sca2.set_offsets(data2) # 散點圖
label = 'timestep {0}'.format(0)
ax1.set_xlabel(label)
return line1,line2,sca1,sca2,ax1 # 注意返回值,我們要更新的就是這些資料
def animate(i):
# 接著,構造自定義動畫函式animate,用來更新每一幀上各個x對應的y座標值,引數表示第i幀
# plt.cla() 這個函式很有用,先記著它
line1.set_ydata(np.sin(x + i/10.0))
line2.set_ydata(np.cos(x + i / 10.0))
x1, y1 = randn_point()
x2, y2 = randn_point()
data1 = [[x,y] for x,y in zip(x1,y1)]
data2 = [[x, y] for x, y in zip(x2, y2)]
sca1.set_offsets(data1) # 散點圖
sca2.set_offsets(data2) # 散點圖
label = 'timestep {0}'.format(i)
ax1.set_xlabel(label)
return line1,line2,sca1,sca2,ax1
# 接下來,我們呼叫FuncAnimation函式生成動畫。引數說明:
# fig 進行動畫繪製的figure
# func 自定義動畫函式,即傳入剛定義的函式animate
# frames 動畫長度,一次迴圈包含的幀數
# init_func 自定義開始幀,即傳入剛定義的函式init
# interval 更新頻率,以ms計
# blit 選擇更新所有點,還是僅更新產生變化的點。應選擇True,但mac使用者請選擇False,否則無法顯示動畫
ani = animation.FuncAnimation(fig=fig,
func=animate,
frames=100,
init_func=init,
interval=20,
blit=False)
plt.show()
儲存圖形
儲存圖形要用到一個叫ImageMagick
的工具,按照網上的參考文章,都是使用ImageMagick 6.9
版本,第一次下載最新版,怎麼都沒找到convert模組,好坑啊。
步驟:
1。下載安裝ImageMagick 6.9
,安裝過程中選擇預設選項即可。
2。找到
"python_home\Lib\site-packages\matplotlib\mpl-data\matplotlibrc"
,
修改convert路徑
#animation.convert_path: 'convert'
–>
#animation.convert_path: 'C:\Program Files (x86)\ImageMagick-6.9.2-Q16\convert.exe'
在繪圖後增加一個save操作:
ani = animation.FuncAnimation(fig=fig,
func=animate,
frames=100,
init_func=init,
interval=20,
blit=False)
plt.show()
ani.save(r'D:\demoanimation.gif', writer='imagemagick', fps=2)