如何利用Matplotlib库绘制动画及保存GIF图片

编辑: admin 分类: python 发布时间: 2021-12-24 来源:互联网

前言

在自学机器学习或者是深度学习的过程中，有的时候总想把执行过程或者执行结果显示出来，所以就想到了动画。好在用 Python 实现动画有许多中方式，而大家熟知的 Matplotlib 库就可以实现。

本文的目的是对 Matplotlib 的动画实现手段做一个简单的说明。

绘制动画

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

如果要让 matplotlib 实现动画功能的话，那么就要引入 animation 模块。

然后再创建 animation 的对象。

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

animation 的实现类是 FuncAnimation，它有一个构造方法。下面先通过一个示例，讲解 animation 的基本用法，然后再来细致分析 FuncAnimation 构造方法中各项参数的意义。

我们的目标是做一个 Sin 函数的动画示例。

代码很简单。

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()

核心代码是这一行。

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

按照上面的示例代码，我们可以依葫芦画瓢编写动画代码了。

但，如果我们需要达到灵活运用的话，就需要花点心思，了解它们的机制。

我们先来看看 FuncAnimation 的构造方法。

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

fig 自然是 matplotlib 中的 figure 对象。

func 是每一次更新时所调用的方法,它是回调函数。因此，我们可以在这个方法中更新 figure 当中的 axes 中的 line2d 对象，它是动态更新 figure 的根本。

frames 代表了整个动画过程中帧的取值范围，而本质上是一个数据发生器。我将在后面重点讲解它。

init_func 是初始函数，用来初始 figure 的画面。

fargs 是每次附加给 func 回调函数的参数，可以为 None

save_count 是缓存的数量

除此之外，还有一些可选的参数，它们分别是

interval 是每 2 个 frame 发生的时间间隔,单位是 ms，默认值是 200.

repeat_delay 取值是数值，如果 animation 是重复播放的话，这个值就是每次播放之间的延迟时间，单位是 ms。

repeat bool 型可选参数，默认为 True，代表动画是否会重复执行

blit bool 型可选参数，控制绘制的优化。默认是 False。

如何理解 animation 呢？

我认为，animation 的核心是 frames 和 func。

frames 可以取值：iterable，int,generator 生成器函数 或者是 None。

在上面的代码中，我们给 frames 的取值是这样的。

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

其实就是一个 list，它的值范围为 -pi 到 pi，frames 总共有 90 帧，而 list 是一个 iterable 类型，所以它可以不停的迭代。

frames 也可以取值为整数，相当于给参数赋值 range(frames)。

frames 也可以取值为 None,那么它的结果相当于传递 itertools.count,结构就是从 0 开始，每次步进 1，无限的执行下去。

frames 还接受 generator 函数，也就是生成器，但有个前提是，生成器要符合下面的签名格式。

def gen_function() -> obj

参数列表为空，但需要返回一个值，这个值就会传入到 func 回调函数当中。

func 是回调函数，它会在每次更新的时候被调用，所以我们只需要在这个函数中更新 figure 中的数值就可以了，就像下面代码。

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

frames 和 func 的关系是什么？

实际上，frames 决定了整个动画 frame 的取值范围，它会在 interval 时间内迭代一次，然后将值传递给 func，直到整个 frames 迭代完毕。

我本人而言，也更倾向于用 generator 函数去定义 frames 而不是直接分配一个列表，所以我可以将之前的代码改写如下。

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 就是一个生成器函数，它会每隔 10ms 运行一次，然后将结果传递给 update 函数。

data_gen 里面运用到了 yield 关键字，这是的我们可以在每次迭代时才返回相应的结构，而不要在一开始就分配。如果不熟悉这方面知识点的同学，可以自行搜索相应的知识。

保存动画

因为经常写博客，所以也经常需要将结果保存下来，一般我会保存为 .gif 格式图片，本篇博文的 gif 图像就是通过 matplotlib 保存的。

好在用 matplotlib 实现它也并不难。

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

一句代码就搞定了，运行成功后，会在当前目录下生成 test_animation.gif 图像。

需要注意到的是，如果要保存 gif 图像，这要求开发者电脑已经安装了 ImageMagicK。

ubuntu 用户可以通过如下命令安装。

sudo apt-get install imagemagick

并且，动画保存的时候要指定 writer 为 imagemagick.

动画可以保存为 gif 图像，自然也能保存为 mp4 视频格式。

但这要求开发者计算机已经安装好 ffmpeg 库，并且 save 方法中指定 writer 为 ffmpeg,具体细节请读者自行扩展阅读。

总结

到此这篇关于如何利用Matplotlib库绘制动画及保存GIF图片的文章就介绍到这了,更多相关Matplotlib库绘制动画内容请搜索hwidc以前的文章或继续浏览下面的相关文章希望大家以后多多支持hwidc！

【来源：美国站群服务器 请说明出处】
更多阅读