python绘制动态模拟图

拼搏现实的明天。 2022-06-06 00:19 385阅读 0赞

# 动图 #

很多时候我们绘图不仅仅是绘制最终的统计结果图，而是想看看在不同参数不同时刻下的连续图形，这个在仿真模拟的时候相当有用。比如机器学习中，参数的变化导致的变化，比如我最近做的库存水平变化模拟等。如果我们绘制静态图像，只能看到某一时刻的直观图形，如果加入时间线，那么就能直观感受变量的变化过程。

其实原理也挺简单的，就是创建一幅图，定义图形中曲线，散点，标注等各个对象，然后在不同时刻，更新这些对象的数据，matplotlib会自动根据新的数据刷新图形。

动图的核心函数是`matplotlib.animation.FuncAnimation`，基本用法是：

anim = animation.funcanimation(fig, animate, init_func=init, frames=100, interval=20, blit=true)
    # fig: 是我们创建的画布
    # animat: 是重点，是我们每个时刻要更新图形对象的函数，返回值和init_func相同
    # init_func: 初始化函数，其返回值就是每次都要更新的对象，
    # 告诉FuncAnimation在不同时刻要更新哪些图形对象
    # frames: 相当于时刻t，要模拟多少帧图画，不同时刻的t相当于animat的参数
    # interval: 刷新频率，毫秒
    # blit: blit是一个非常重要的关键字，它告诉动画只重绘修改的部分，结合上面保存的时间，
    # blit=true会使动画显示得会非常非常快

下面通过几个例子来说明使用方法。

# 例子1 #

第一个例子参考：  
[http://codingpy.com/article/drawing-gifs-with-matplotlib/?utm\_source=tuicool&utm\_medium=referral][http_codingpy.com_article_drawing-gifs-with-matplotlib_utm_source_tuicool_utm_medium_referral]  
该文绘制不同参数状态下的图形，很有意思，这里简化一些代码，顺便增加更多注释。

import numpy as np
    import matplotlib.pyplot as plt
    from matplotlib.animation import FuncAnimation  # 动图的核心函数
    import seaborn as sns  # 美化图形的一个绘图包
    
    sns.set_style("whitegrid")  # 设置图形主图
    
    # 创建画布
    fig, ax = plt.subplots()
    fig.set_tight_layout(True)
    
    # 画出一个维持不变（不会被重画）的散点图和一开始的那条直线。
    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)
        # 更新直线和x轴（用一个新的x轴的标签）。
        # 用元组（Tuple）的形式返回在这一帧要被重新绘图的物体
        line.set_ydata(x - 5 + i)  # 这里是重点，更新y轴的数据
        ax.set_xlabel(label)    # 这里是重点，更新x轴的标签
        return line, ax
    
    # FuncAnimation 会在每一帧都调用“update” 函数。
    # 在这里设置一个10帧的动画，每帧之间间隔200毫秒
    anim = FuncAnimation(fig, update, frames=np.arange(0, 10), interval=200)

![这里写图片描述][SouthEast]

# 例子2 #

为了代码更加通用，我们绘制上下两个子图，每个子图绘制正弦波和散点图的组合。  
重点是散点图的绘制，线图和例子1一样，都是更新x，y轴数据即可。  
散点图用 `set_offsets(data)`函数，而且`data`的数据格式是`[[x1,y1],[x2,y2]...]`，而不像直线，其数据格式是x轴的放在一起，y轴的放在一起。

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():
        # 产生随机散点图的x和y数据
        x=np.random.randint(1,100,3)
        y=np.random.randint(1,2,3)
        return x,y
    
    # 创建画布，包含2个子图
    fig = plt.figure(figsize=(15, 10))
    ax1 = fig.add_subplot(2, 1, 1)
    ax2 = fig.add_subplot(2, 1, 2)
    
    # 先绘制初始图形，每个子图包含1个正弦波和三个点的散点图
    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)   # 散点图
    
    line2, = ax2.plot(x, np.cos(x))  # 余弦波
    x2,y2=randn_point()
    sca2 = ax2.scatter(x2,y2)   # 散点图
    
    def init():
        # 构造开始帧函数init
        # 改变y轴数据，x轴不需要改
        line1.set_ydata(np.sin(x))
        line1.set_ydata(np.cos(x))
        # 改变散点图数据
        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)  # 散点图
        sca2.set_offsets(data2)  # 散点图
        label = 'timestep {0}'.format(0)
        ax1.set_xlabel(label)
        return line1,line2,sca1,sca2,ax1  # 注意返回值，我们要更新的就是这些数据
    
    def animate(i):
        # 接着，构造自定义动画函数animate，用来更新每一帧上各个x对应的y坐标值，参数表示第i帧
        # plt.cla() 这个函数很有用，先记着它
        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)  # 散点图
        sca2.set_offsets(data2)  # 散点图
        label = 'timestep {0}'.format(i)
        ax1.set_xlabel(label)
        return line1,line2,sca1,sca2,ax1
    
    
    # 接下来，我们调用FuncAnimation函数生成动画。参数说明：
    # fig 进行动画绘制的figure
    # func 自定义动画函数，即传入刚定义的函数animate
    # frames 动画长度，一次循环包含的帧数
    # init_func 自定义开始帧，即传入刚定义的函数init
    # interval 更新频率，以ms计
    # blit 选择更新所有点，还是仅更新产生变化的点。应选择True，但mac用户请选择False，否则无法显示动画
    
    ani = animation.FuncAnimation(fig=fig,
                                  func=animate,
                                  frames=100,
                                  init_func=init,
                                  interval=20,
                                  blit=False)
    plt.show()

![这里写图片描述][SouthEast 1]

# 保存图形 #

保存图形要用到一个叫`ImageMagick`的工具，按照网上的参考文章，都是使用`ImageMagick 6.9`版本，第一次下载最新版，怎么都没找到convert模块，好坑啊。  
步骤：  
1。下载安装`ImageMagick 6.9`，安装过程中选择默认选项即可。  
2。找到  
`"python_home\Lib\site-packages\matplotlib\mpl-data\matplotlibrc"`，  
修改convert路径  
`#animation.convert_path: 'convert'`  
–>  
`#animation.convert_path: 'C:\Program Files (x86)\ImageMagick-6.9.2-Q16\convert.exe'`

在绘图后增加一个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)

# 参考 #

使用Matplotlib制作动图  
[http://blog.csdn.net/theonegis/article/details/51037850][http_blog.csdn.net_theonegis_article_details_51037850]  
如何用 Matplotlib 画 GIF 动图  
[https://www.tuicool.com/articles/Z7BzY3V][https_www.tuicool.com_articles_Z7BzY3V]  
使用Matplotlib和Imagemagick实现算法可视化与GIF导出  
[http://www.hankcs.com/ml/using-matplotlib-and-imagemagick-to-realize-the-algorithm-visualization-and-gif-export.html][http_www.hankcs.com_ml_using-matplotlib-and-imagemagick-to-realize-the-algorithm-visualization-and-gif-export.html]  
利用Matplotlib和ImageMagick制作gif动画  
[http://blog.csdn.net/stereohomology/article/details/35845399][http_blog.csdn.net_stereohomology_article_details_35845399]  
matplotlib里的动画  
[http://blog.csdn.net/riverflowrand/article/details/51189573][http_blog.csdn.net_riverflowrand_article_details_51189573]  
官方动画教程  
[http://matplotlib.org/api/animation\_api.html][http_matplotlib.org_api_animation_api.html]

[http_codingpy.com_article_drawing-gifs-with-matplotlib_utm_source_tuicool_utm_medium_referral]: http://codingpy.com/article/drawing-gifs-with-matplotlib/?utm_source=tuicool&utm_medium=referral
[SouthEast]: /images/20220606/77b4330852dc4e8486389462894e91a3.png
[SouthEast 1]: /images/20220606/9369c1e6bbcf48609ecc7c17ed16df96.png
[http_blog.csdn.net_theonegis_article_details_51037850]: http://blog.csdn.net/theonegis/article/details/51037850
[https_www.tuicool.com_articles_Z7BzY3V]: https://www.tuicool.com/articles/Z7BzY3V
[http_www.hankcs.com_ml_using-matplotlib-and-imagemagick-to-realize-the-algorithm-visualization-and-gif-export.html]: http://www.hankcs.com/ml/using-matplotlib-and-imagemagick-to-realize-the-algorithm-visualization-and-gif-export.html
[http_blog.csdn.net_stereohomology_article_details_35845399]: http://blog.csdn.net/stereohomology/article/details/35845399
[http_blog.csdn.net_riverflowrand_article_details_51189573]: http://blog.csdn.net/riverflowrand/article/details/51189573
[http_matplotlib.org_api_animation_api.html]: http://matplotlib.org/api/animation_api.html