快捷導(dǎo)航

使用Matplotlib制作動(dòng)態(tài)圖的示例詳解

更新時(shí)間：2023年06月27日 15:23:56 作者：哆啦A夢PLUS

matplotlib是一個(gè)著名的python繪圖庫，由于其靈活強(qiáng)大的繪圖功能使得在python中可視化變得非常容易，本文主要介紹了在matplotlib庫中制作動(dòng)態(tài)圖的方法，需要的可以參考一下

一、簡介

matplotlib(https://matplotlib.org/)是一個(gè)著名的python繪圖庫，由于其靈活強(qiáng)大的繪圖功能使得在python中可視化變得非常容易，關(guān)于matplotlib的基礎(chǔ)知識(shí)這里不再介紹，有疑問可以去官網(wǎng)翻Tutorials和example學(xué)習(xí)。由于我們實(shí)際使用時(shí)常常是繪制靜態(tài)圖，忽略了matplotlib的動(dòng)態(tài)圖生成功能，同時(shí)matplotlib生成動(dòng)態(tài)圖的功能不是非常友善，因此大部分人在真的需要制作動(dòng)態(tài)圖時(shí)都會(huì)選擇先用matplotlib生成一系列靜態(tài)圖片，然后再用其它相對比較容易使用的第三方python庫生成動(dòng)態(tài)圖，如imageio(https://imageio.readthedocs.io/en/stable/#), 或者使用其它工具，如Matlab。這里打算簡單介紹一下在matplotlib庫中制作動(dòng)態(tài)圖的方法。

二、模塊簡介

matplotlib的animation模塊提供了動(dòng)態(tài)圖制作功能，animation類提供了兩個(gè)方法來生成動(dòng)態(tài)圖，即FuncAnimation和ArtistAnimation，這里我們使用FuncAnimation方法重復(fù)調(diào)用函數(shù)來生成圖片。

1. FuncAnimation類介紹

FuncAnimation類的主要參數(shù)包括：

fig: 每一幀畫面繪制使得Figure對象

func: 定義動(dòng)畫每一幀的更新函數(shù)，通常這一函數(shù)需要包含額外參數(shù)，此時(shí)可以用functools.partial來生成。

frames：可以是可迭代對象，整數(shù)，或者生成函數(shù)或者缺省。

init_func：初始化函數(shù)

inteval：每一幀畫面的停留時(shí)間

repeat：當(dāng)動(dòng)態(tài)圖中所有幀都播放完了之后是否重復(fù)播放

bilt：是否使用blitting來優(yōu)化繪圖

…

2. 定義動(dòng)畫更新函數(shù)

在FunAnimation類中，更新函數(shù)在每一幀中都會(huì)被重新調(diào)用，通過在更新函數(shù)中更改一些繪圖函數(shù)的數(shù)據(jù)，在每一幀我們就能得到不同的圖片，然后FunAnimation的Writer(后端)將這些圖片組合就能得到動(dòng)態(tài)圖片。關(guān)于更新函數(shù)的一些需要注意的地方是：

如果設(shè)置了bilt == True，更新函數(shù)的最后就需要返回所有被修改或創(chuàng)建的Artists的引用變量

生成函數(shù)的第一個(gè)傳入?yún)?shù)必須是當(dāng)前的幀數(shù)，其具體值可以通過frames參數(shù)定義，可以是可迭代類型或整數(shù)

三、使用matplotlib制作動(dòng)畫

1.一步法制作動(dòng)態(tài)圖片

由于matplotlib本身自帶強(qiáng)大的繪圖功能，因此我們可以不用生成圖片，直接在初始繪圖的基礎(chǔ)上通過更新函數(shù)來修改繪圖數(shù)據(jù)，一步直接生成動(dòng)態(tài)圖片，方便快捷，以下是代碼：

import numpy as np
from matplotlib.animation import FuncAnimation
import matplotlib.pyplot as plt
from functools import partial
### 繪制y=sin(2pi(x+t/t_0))*sin(2pi(t/t_0))
def getSinx_t(t=0, t_0=120, x_count=1e5):
    x = np.linspace(0.0, 1.0, int(x_count))
    y = np.sin(2.0*np.pi*(x + t/t_0))*np.sin(t/t_0*2.0*np.pi)
    return x, y
### 圖片初始化
fig, ax = plt.subplots(dpi=100)
ax.set_aspect('auto')
ax.set_xlim((0.0, 1.0))
ax.set_ylim((-1.0, 1.0))
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_title(r'$y=sin[2\pi(x+t/t_0)]*sin(2\pi t/t_0)$')
### 繪制初始曲線
x, y = getSinx_t()
y_up = y[np.where(y>0)]
x_up = x[np.where(y>0)]
x_dn = x[np.where(y<0)]
y_dn = y[np.where(y<0)]
plot_line = ax.plot(x, y)
plot_hline = ax.hlines(y=0.0, xmin=0.0, xmax=1.0, linestyles='dashed', colors='grey')
fill_xy_up = ax.fill_between(x=x_up, y1=y_up, y2=0, color='red', alpha=0.3)
fill_xy_dn = ax.fill_between(x=x_dn, y1=y_dn, y2=0, color='green', alpha=0.3)
plot_text = ax.text(x=0.8, y=0.75, s='t=0', fontsize=16, fontfamily='cursive')
### 定義動(dòng)畫更新函數(shù)
def UpdateFigure(num, f_plot_line, f_fill_xy_up, f_fill_xy_dn, f_plot_text):
    x_update, y_update = getSinx_t(t=num)
    f_plot_line[0].set_data(x_update, y_update)
    f_plot_text.set_text('t={}'.format(num))
    x_up = x_update[np.where(y_update>0)]
    y_up = y_update[np.where(y_update>0)]
    xy_up1 = np.column_stack((x_up, y_up))
    xy_up2 = np.column_stack((x_up[::-1], np.zeros(x_up.shape)))
    x_dn = x_update[np.where(y_update<0)]
    y_dn = y_update[np.where(y_update<0)]
    xy_dn1 = np.column_stack((x_dn, y_dn))
    xy_dn2 = np.column_stack((x_dn[::-1], np.zeros(x_dn.shape)))
    f_fill_xy_up.set_verts([np.vstack((xy_up1, xy_up2))])
    f_fill_xy_dn.set_verts([np.vstack((xy_dn1, xy_dn2))])
    return [f_plot_line[0], f_fill_xy_up, f_fill_xy_dn, f_plot_text]
### 創(chuàng)建FunAnimation對象
ani = FuncAnimation(fig, partial(
        UpdateFigure, 
        f_plot_line=plot_line, 
        f_fill_xy_up=fill_xy_up,
        f_fill_xy_dn=fill_xy_dn,
        f_plot_text=plot_text),
    np.arange(120),
    blit=True)
### 保存動(dòng)態(tài)圖片
ani.save('sinxt.gif', fps=60)

以下為得到的動(dòng)態(tài)圖片：

2. 兩步法制作動(dòng)態(tài)圖片

所謂兩步法是指，首先用matplotlib生成一系列靜態(tài)圖片，然后結(jié)合matplotlib.image.imread讀取圖片功能和matplotlib.axes.Axes.imshow展示圖片功能，來動(dòng)態(tài)地更新圖片，這種方法相比于上一種方法稍微復(fù)雜，但是這種方法靈活性更高，同時(shí)也可以用來組合一些非matplotlib生成的圖片。以下為代碼：

import matplotlib.pyplot as plt
import matplotlib.image as mimg
from matplotlib.animation import FuncAnimation
import numpy as np
from functools import partial
import os
### 繪制y=cos(2pi(x+t/t_0))*cos(2pi(t/t_0))
def getCosx_t(t=0, t_0=120, x_count=1e5):
    x = np.linspace(0.0, 1.0, int(x_count))
    y = np.cos(2.0*np.pi*(x + t/t_0))*np.cos(t/t_0*2.0*np.pi)
    return x, y
fig_count = 120             # 圖片總數(shù)
### 定義生成所有圖片的函數(shù)
def getFigrues(fig_count):
    try:
        os.mkdir('fig')
    except FileExistsError:
        print("Dir Exist!")
    for i in range(fig_count):
        fig, ax = plt.subplots(dpi=100)
        ax.set_aspect('auto')
        ax.set_xlim((0.0, 1.0))
        ax.set_ylim((-1.0, 1.0))
        ax.set_xlabel('x')
        ax.set_ylabel('y')
        ax.set_title(r'$y=cos[2\pi(x+t/t_0)]*cos(2\pi t/t_0)$')
        x, y = getCosx_t(t=i)
        y_up = y[np.where(y>0)]
        x_up = x[np.where(y>0)]
        x_dn = x[np.where(y<0)]
        y_dn = y[np.where(y<0)]
        ax.plot(x, y)
        ax.hlines(y=0.0, xmin=0.0, xmax=1.0, linestyles='dashed', colors='grey')
        ax.fill_between(x=x_up, y1=y_up, y2=0, color='red', alpha=0.3)
        ax.fill_between(x=x_dn, y1=y_dn, y2=0, color='green', alpha=0.3)
        ax.text(x=0.8, y=0.75, s='t={}'.format(i), fontsize=16, fontfamily='cursive')
        fig.show(False)
        fig.savefig('./fig/{}.jpg'.format(i))
        plt.close(fig)
getFigrues(fig_count) 
### 讀取圖片尺寸
def GetFigSize(fig_path='./fig/0.jpg'):
    now_img = mimg.imread(fname=fig_path)
    img_pxy = now_img.shape
    return img_pxy[1], img_pxy[0]
### 繪圖初始化
img_px, img_py = GetFigSize()
img_dpi=100
fig, ax = plt.subplots(figsize=[img_px/img_dpi, img_py/img_dpi], dpi=img_dpi)
ax.set_aspect('equal')
ax.set_position([0.0, 0.0, 1.0, 1.0])
ax.set_axis_off()
plot_img = ax.imshow(X=np.zeros((img_py, img_px, 3)))
### 定義動(dòng)畫更新函數(shù)
def UpdateImages(num, f_plot_img):
    now_img_path = './fig/{}.jpg'.format(num)
    now_img = mimg.imread(fname=now_img_path)
    f_plot_img.set_data(now_img)
    return [f_plot_img]
### 創(chuàng)建FunAnimation對象
ani = FuncAnimation(
    fig, partial(UpdateImages, f_plot_img=plot_img),
    np.arange(fig_count),
    blit=True)
### 保存動(dòng)態(tài)圖片
ani.save('cosxt.gif', fps=60)

得到的動(dòng)態(tài)圖片：