教你用Python matplotlib庫(kù)制作簡(jiǎn)單的動(dòng)畫(huà)
matplotlib制作簡(jiǎn)單的動(dòng)畫(huà)
動(dòng)畫(huà)即是在一段時(shí)間內(nèi)快速連續(xù)的重新繪制圖像的過(guò)程.
matplotlib提供了方法用于處理簡(jiǎn)單動(dòng)畫(huà)的繪制:
import matplotlib.animation as ma
def update(number):
pass
# 每隔30毫秒,執(zhí)行一次update
ma.FuncAnimation(
mp.gcf(), # 作用域當(dāng)前窗體
update, # 更新函數(shù)的函數(shù)名
interval=30 # 每隔30毫秒,執(zhí)行一次update
)
案例1:
隨機(jī)生成各種顏色的100個(gè)氣泡, 讓他們不斷增大.
1.隨機(jī)生成100個(gè)氣泡.
2.每個(gè)氣泡擁有四個(gè)屬性: position, size, growth, color
3.把每個(gè)氣泡繪制到窗口中.
4.開(kāi)啟動(dòng)畫(huà),在update函數(shù)中更新每個(gè)氣泡的屬性并重新繪制
"""
簡(jiǎn)單動(dòng)畫(huà)
1. 隨機(jī)生成100個(gè)氣泡.
2. 每個(gè)氣泡擁有四個(gè)屬性: position, size, growth, color
3. 把每個(gè)氣泡繪制到窗口中.
4. 開(kāi)啟動(dòng)畫(huà),在update函數(shù)中更新每個(gè)氣泡的屬性并重新繪制
"""
import numpy as np
import matplotlib.pyplot as mp
import matplotlib.animation as ma
n = 100
balls = np.zeros(n, dtype=[
('position', float, 2), # 位置屬性
('size', float, 1), # 大小屬性
('growth', float, 1), # 生長(zhǎng)速度
('color', float, 4)]) # 顏色屬性
# 初始化每個(gè)泡泡
# uniform: 從0到1取隨機(jī)數(shù),填充n行2列的數(shù)組
balls['position']=np.random.uniform(0,1,(n,2))
balls['size']=np.random.uniform(50,70,n)
balls['growth']=np.random.uniform(10,20,n)
balls['color']=np.random.uniform(0,1,(n,4))
# 繪制100個(gè)泡泡
mp.figure('Bubble', facecolor='lightgray')
mp.title('Bubble', fontsize=18)
mp.xticks([])
mp.yticks([])
sc = mp.scatter(balls['position'][:,0],
balls['position'][:,1],
balls['size'],
color=balls['color'])
# 啟動(dòng)動(dòng)畫(huà)
def update(number):
balls['size'] += balls['growth']
# 讓某個(gè)泡泡破裂,從頭開(kāi)始執(zhí)行
boom_i = number % n
balls[boom_i]['size'] = 60
balls[boom_i]['position']= \
np.random.uniform(0, 1, (1, 2))
# 重新設(shè)置屬性
sc.set_sizes(balls['size'])
sc.set_offsets(balls['position'])
anim = ma.FuncAnimation(
mp.gcf(), update, interval=30)
mp.show()

案例2
"""
模擬心電圖
"""
import numpy as np
import matplotlib.pyplot as mp
import matplotlib.animation as ma
mp.figure('Signal', facecolor='lightgray')
mp.title('Signal', fontsize=16)
mp.xlim(0, 10)
mp.ylim(-3, 3)
mp.grid(linestyle=':')
pl = mp.plot([],[], color='dodgerblue',
label='Signal')[0]
# 啟動(dòng)動(dòng)畫(huà)
def update(data):
t, v = data
x, y = pl.get_data() #x y: ndarray數(shù)組
x = np.append(x, t)
y = np.append(y, v)
# 重新繪制圖像
pl.set_data(x, y)
# 移動(dòng)坐標(biāo)軸
if x[-1]>5:
mp.xlim(x[-1]-5, x[-1]+5)
x = 0
def generator():
global x
y = np.sin(2 * np.pi * x) * \
np.exp(np.sin(0.2 * np.pi * x))
yield (x, y)
x += 0.05
anim = ma.FuncAnimation(mp.gcf(),
update, generator, interval=30)
mp.show()

到此這篇關(guān)于教你用Python matplotlib制作簡(jiǎn)單的動(dòng)畫(huà)的文章就介紹到這了,更多相關(guān)matplotlib制作動(dòng)畫(huà)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python?中的?BeautifulSoup?網(wǎng)頁(yè)使用方法解析
這篇文章主要介紹了python?中的?BeautifulSoup?網(wǎng)頁(yè)使用方法解析,文章基于python的相關(guān)資料展開(kāi)詳細(xì)內(nèi)容介紹,具有一定的參考價(jià)值需要的小伙伴可以參考一下2022-04-04
詳解如何使用Pandas處理時(shí)間序列數(shù)據(jù)
時(shí)間序列數(shù)據(jù)在數(shù)據(jù)分析建模中很常見(jiàn),例如天氣預(yù)報(bào),空氣狀態(tài)監(jiān)測(cè),股票交易等金融場(chǎng)景,本文給大家詳細(xì)介紹了如何使用Pandas處理時(shí)間序列數(shù)據(jù),文中通過(guò)代碼示例講解的非常詳細(xì),需要的朋友可以參考下2024-01-01
python?pandas遍歷每行并累加進(jìn)行條件過(guò)濾方式
這篇文章主要介紹了python?pandas遍歷每行并累加進(jìn)行條件過(guò)濾方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2022-05-05
Python批量生成特定尺寸圖片及圖畫(huà)任意文字的實(shí)例
今天小編就為大家分享一篇Python批量生成特定尺寸圖片及圖畫(huà)任意文字的實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-01-01
python+selenium select下拉選擇框定位處理方法
今天小編就為大家分享一篇python+selenium select下拉選擇框定位處理方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-08-08
Python 使用xlwt模塊將多行多列數(shù)據(jù)循環(huán)寫(xiě)入excel文檔的操作
這篇文章主要介紹了Python 使用xlwt模塊將多行多列數(shù)據(jù)循環(huán)寫(xiě)入excel文檔的操作,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-11-11
Pytorch中求模型準(zhǔn)確率的兩種方法小結(jié)
這篇文章主要介紹了Pytorch中求模型準(zhǔn)確率的兩種方法小結(jié),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2021-05-05

