前言

在自學機器學習或者是深度學習的過程中，有的時候總想把執(zhí)行過程或者執(zhí)行結果顯示出來，所以就想到了動畫。好在用 Python 實現(xiàn)動畫有許多中方式，而大家熟知的 Matplotlib 庫就可以實現(xiàn)。

本文的目的是對 Matplotlib 的動畫實現(xiàn)手段做一個簡單的說明。

繪制動畫

import matplotlib.pyplot as plt
import matplotlib.animation as animation

如果要讓 matplotlib 實現(xiàn)動畫功能的話，那么就要引入 animation 模塊。

然后再創(chuàng)建 animation 的對象。

anim = animation.FuncAnimation(fig, run, data_gen, blit=False, interval=10,
                              repeat=False, init_func=init)

animation 的實現(xiàn)類是 FuncAnimation，它有一個構造方法。下面先通過一個示例，講解 animation 的基本用法，然后再來細致分析 FuncAnimation 構造方法中各項參數(shù)的意義。

我們的目標是做一個 Sin 函數(shù)的動畫示例。

代碼很簡單。

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

fig, ax = plt.subplots()
xdata, ydata = [], []
ln, = plt.plot([], [], 'ro',animated=True)

def init():
    ax.set_xlim(-np.pi,np.pi)
    ax.set_ylim(-1, 1)
    return ln,

def update(frame):
    xdata.append(frame)
    ydata.append(np.sin(frame))
    ln.set_data(xdata, ydata)
    return ln,

anim = animation.FuncAnimation(fig, update, frames=np.linspace(-np.pi,np.pi, 90),interval=10,
                    init_func=init,blit=True)
plt.show()

核心代碼是這一行。

anim = animation.FuncAnimation(fig, update, frames=np.linspace(-np.pi,np.pi, 90),interval=10,
                    init_func=init,blit=True)

按照上面的示例代碼，我們可以依葫蘆畫瓢編寫動畫代碼了。

但，如果我們需要達到靈活運用的話，就需要花點心思，了解它們的機制。

我們先來看看 FuncAnimation 的構造方法。

def __init__(self, fig, func, frames=None, init_func=None, fargs=None,
                 save_count=None, **kwargs):

fig 自然是 matplotlib 中的 figure 對象。

func 是每一次更新時所調用的方法,它是回調函數(shù)。因此，我們可以在這個方法中更新 figure 當中的 axes 中的 line2d 對象，它是動態(tài)更新 figure 的根本。

frames 代表了整個動畫過程中幀的取值范圍，而本質上是一個數(shù)據(jù)發(fā)生器。我將在后面重點講解它。

init_func 是初始函數(shù)，用來初始 figure 的畫面。

fargs 是每次附加給 func 回調函數(shù)的參數(shù)，可以為 None

save_count 是緩存的數(shù)量

除此之外，還有一些可選的參數(shù)，它們分別是

interval 是每 2 個 frame 發(fā)生的時間間隔,單位是 ms，默認值是 200.

repeat_delay 取值是數(shù)值，如果 animation 是重復播放的話，這個值就是每次播放之間的延遲時間，單位是 ms。

repeat bool 型可選參數(shù)，默認為 True，代表動畫是否會重復執(zhí)行

blit bool 型可選參數(shù)，控制繪制的優(yōu)化。默認是 False。

如何理解 animation 呢？

我認為，animation 的核心是 frames 和 func。

frames 可以取值：iterable，int,generator 生成器函數(shù) 或者是 None。

在上面的代碼中，我們給 frames 的取值是這樣的。

frames=np.linspace(-np.pi,np.pi, 90)

其實就是一個 list，它的值范圍為 -pi 到 pi，frames 總共有 90 幀，而 list 是一個 iterable 類型，所以它可以不停的迭代。

frames 也可以取值為整數(shù)，相當于給參數(shù)賦值 range(frames)。

frames 也可以取值為 None,那么它的結果相當于傳遞 itertools.count,結構就是從 0 開始，每次步進 1，無限的執(zhí)行下去。

frames 還接受 generator 函數(shù)，也就是生成器，但有個前提是，生成器要符合下面的簽名格式。

def gen_function() -> obj

參數(shù)列表為空，但需要返回一個值，這個值就會傳入到 func 回調函數(shù)當中。

func 是回調函數(shù)，它會在每次更新的時候被調用，所以我們只需要在這個函數(shù)中更新 figure 中的數(shù)值就可以了，就像下面代碼。

def update(frame):
    xdata.append(frame)
    ydata.append(np.sin(frame))
    ln.set_data(xdata, ydata)
    return ln,

frames 和 func 的關系是什么？

實際上，frames 決定了整個動畫 frame 的取值范圍，它會在 interval 時間內迭代一次，然后將值傳遞給 func，直到整個 frames 迭代完畢。

我本人而言，也更傾向于用 generator 函數(shù)去定義 frames 而不是直接分配一個列表，所以我可以將之前的代碼改寫如下。

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

fig, ax = plt.subplots()
xdata, ydata = [], []
ln, = plt.plot([], [], 'ro',animated=True)

def init():
    ax.set_xlim(-np.pi,np.pi)
    ax.set_ylim(-1, 1)
    return ln,

def update(frame):
    xdata.append(frame)
    ydata.append(np.sin(frame))
    ln.set_data(xdata, ydata)
    return ln,

def data_gen():

    frame = -np.pi

    step = 2 * np.pi / 90

    while frame < np.pi:
        frame += step
        yield frame

# anim = animation.FuncAnimation(fig, update, frames=np.linspace(-np.pi,np.pi, 360),interval=10,
#                     init_func=init,blit=True)
anim = animation.FuncAnimation(fig, update, frames=data_gen,interval=10,
                    init_func=init,blit=True)

plt.show()

data_gen 就是一個生成器函數(shù)，它會每隔 10ms 運行一次，然后將結果傳遞給 update 函數(shù)。

data_gen 里面運用到了 yield 關鍵字，這是的我們可以在每次迭代時才返回相應的結構，而不要在一開始就分配。如果不熟悉這方面知識點的同學，可以自行搜索相應的知識。

保存動畫

因為經常寫博客，所以也經常需要將結果保存下來，一般我會保存為 .gif 格式圖片，本篇博文的 gif 圖像就是通過 matplotlib 保存的。

好在用 matplotlib 實現(xiàn)它也并不難。

anim.save('test_animation.gif',writer='imagemagick')

一句代碼就搞定了，運行成功后，會在當前目錄下生成 test_animation.gif 圖像。

需要注意到的是，如果要保存 gif 圖像，這要求開發(fā)者電腦已經安裝了 ImageMagicK。

ubuntu 用戶可以通過如下命令安裝。

sudo apt-get install imagemagick

并且，動畫保存的時候要指定 writer 為 imagemagick.

動畫可以保存為 gif 圖像，自然也能保存為 mp4 視頻格式。

但這要求開發(fā)者計算機已經安裝好 ffmpeg 庫，并且 save 方法中指定 writer 為 ffmpeg,具體細節(jié)請讀者自行擴展閱讀。

總結

到此這篇關于如何利用Matplotlib庫繪制動畫及保存GIF圖片的文章就介紹到這了,更多相關Matplotlib庫繪制動畫內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論