摘要：相對于靜態圖表，人類總是容易被動畫和交互式圖表所吸引。可以使用輕松生成圖表直方圖功率譜，條形圖，錯誤圖表，散點圖等。然而，也有一些方面落后于同類的庫。動畫使用一組固定的對象。稍后將用數據對行對象進行填充。現在用將它們轉換為動畫。

翻譯：瘋狂的技術宅
https://towardsdatascience.co...

更多文章請關注微信公眾號：硬核智能

動畫是一種展示現象的有趣方式。相對于靜態圖表，人類總是容易被動畫和交互式圖表所吸引。在描述多年來的股票價格、過去十年的氣候變化、季節性和趨勢等時間序列數據時，動畫更有意義，因為我們可以看到特定的參數是怎樣隨時間變化的。

上面的圖是雨滴的模擬并且已經使用 Matplotlib 庫實現，該庫是一個廣為人知的祖父級別的 python 可視化包。 Matplotlib 通過對 50 個散點的比例和透明度進行設置來模擬雨滴。今天，Python 擁有大量強大的可視化工具，如 Plotly、Bokeh、Altair等等。這些庫能夠實現最先進的動畫和交互特性。盡管如此，本文的目的是強調這個庫的另一個方面，這個方面沒有人進行過太多的探索，這就是動畫。

Matplotlib 是一個廣受歡迎的 Python 2D 繪圖庫。很多人都是從 Matplotlib 開始數據可視化之旅的。可以使用matplotlib輕松生成圖表、直方圖、功率譜，條形圖，錯誤圖表，散點圖等。它還與 Pandas 和 Seaborn 等庫無縫集成，創造出更加復雜的可視化效果。

matplotlib 的優點是：

它的設計類似于 MATLAB，因此很容易在在兩者之間切換。

在后端進行渲染。

可以重現任何圖表（需要一點努力）。

已經存在了十多年，擁有龐大的用戶群。

然而，也有一些方面 Matplotlib 落后于同類的庫。

Matplotlib 有一個過于冗長的規則 API。

有時候風格很差。

對 Web 和交互式圖表的支持不佳。

對于大型復雜數據而言通常很慢。

這份復習資料是來自 Datacamp 的 Matplotlib 小抄，你可以通過它來提高自己的基礎知識。

Matplotlib 的 animation 基類負責處理動畫部分。它提供了一個構建動畫功能的框架。使用下面兩個接口來實現：

FuncAnimation 通過重復調用函數 func 來產生動畫。

ArtistAnimation： 動畫使用一組固定的 Artist 對象。

但是，在這兩個接口中，FuncAnimation 是最方便使用的。你可以通過閱讀文檔 得到的更多信息，因為我們只關注 FuncAnimation 工具。

安裝 numpy 和 matplotlib 。

要將動畫保存為 mp4 或 gif，需要安裝 ffmpeg 或 imagemagick。

準備好之后，我們就可以在 Jupyter note 中開始創建第一個動畫了。可以從 Github 得到本文的代碼。

我們先用 FuncAnimation 創建一個在屏幕上移動的正弦波的動畫。動畫的源代碼來自 Matplotlib 動畫教程。首先看一下輸出，然后我們會分析代碼以了解幕后的原理。

import numpy as np
from matplotlib import pyplot as plt
from matplotlib.animation import FuncAnimation
plt.style.use("seaborn-pastel")


fig = plt.figure()
ax = plt.axes(xlim=(0, 4), ylim=(-2, 2))
line, = ax.plot([], [], lw=3)

def init():
    line.set_data([], [])
    return line,
def animate(i):
    x = np.linspace(0, 4, 1000)
    y = np.sin(2 * np.pi * (x - 0.01 * i))
    line.set_data(x, y)
    return line,

anim = FuncAnimation(fig, animate, init_func=init,
                               frames=200, interval=20, blit=True)

anim.save("sine_wave.gif", writer="imagemagick")

在第（7-9）行中，我們只需在圖中創建一個帶有單個軸的圖形窗口。然后創建一個空的行對象，它實際上是動畫中要修改的對象。稍后將用數據對行對象進行填充。

在第（11-13）行中，我們創建了 init 函數，它將使動畫開始。 init 函數對數據進行初始化并設置軸限制。

在第（14-18）行中，我們最終定義了動畫函數，該函數將幀編號（ i ）作為參數并創建正弦波（或任何其他動畫），這取決于 i 的值。此函數返回一個已修改的繪圖對象的元組，它告訴動畫框架哪些部分應該屬于動畫。

在第 20 行中，我們創建了實際的動畫對象。 blit 參數確保只重繪那些已經改變的圖塊。

這是在 Matplotlib 中創建動畫的基本方法。通過對代碼進行一些調整，可以創建有趣的可視化圖表。接下來看看更多的可視化案例。

同樣，在 GeeksforGeeks 中有一個很好的例子。現在讓我們在 matplotlib 的 animation 類的幫助下創建一個緩慢展開的動圈。該代碼非常類似于正弦波圖，只需稍作調整即可。

import matplotlib.pyplot as plt 
import matplotlib.animation as animation 
import numpy as np 
plt.style.use("dark_background")

fig = plt.figure() 
ax = plt.axes(xlim=(-50, 50), ylim=(-50, 50)) 
line, = ax.plot([], [], lw=2) 

# initialization function 
def init(): 
    # creating an empty plot/frame 
    line.set_data([], []) 
    return line, 

# lists to store x and y axis points 
xdata, ydata = [], [] 

# animation function 
def animate(i): 
    # t is a parameter 
    t = 0.1*i 
    
    # x, y values to be plotted 
    x = t*np.sin(t) 
    y = t*np.cos(t) 
    
    # appending new points to x, y axes points list 
    xdata.append(x) 
    ydata.append(y) 
    line.set_data(xdata, ydata) 
    return line, 
    
# setting a title for the plot 
plt.title("Creating a growing coil with matplotlib!") 
# hiding the axis details 
plt.axis("off") 

# call the animator     
anim = animation.FuncAnimation(fig, animate, init_func=init, 
                            frames=500, interval=20, blit=True) 

# save the animation as mp4 video file 
anim.save("coil.gif",writer="imagemagick") 

在繪制動態數量（如庫存數據，傳感器數據或任何其他時間相關數據）時，實時更新的圖表會派上用場。我們繪制了一個簡單的圖表，當有更多數據被輸入系統時，該圖表會自動更新。下面讓我們繪制一家假想公司在一個月內的股票價格。

# importing libraries
import matplotlib.pyplot as plt
import matplotlib.animation as animation


fig = plt.figure()
# creating a subplot 
ax1 = fig.add_subplot(1,1,1)

def animate(i):
    data = open("stock.txt","r").read()
    lines = data.split("
")
    xs = []
    ys = []
   
    for line in lines:
        x, y = line.split(",") # Delimiter is comma    
        xs.append(float(x))
        ys.append(float(y))
    
    ax1.clear()
    ax1.plot(xs, ys)

    plt.xlabel("Date")
    plt.ylabel("Price")
    plt.title("Live graph with matplotlib")    
    
    
ani = animation.FuncAnimation(fig, animate, interval=1000) 
plt.show()

現在，打開終端并運行 python 腳本。你將得到如下圖所示的圖表，該圖表會自動更新：

這里的間隔是 1000 毫秒或一秒。

創建 3D 圖形是很常見的，但如果我們想要為這些圖形的視角設置動畫，該怎么辦呢？我們的想法是更改攝像機視圖，然后用每個生成的圖像來創建動畫。在 Python Graph Gallery 上有一個很好的例子。

在與 jupyter notebook 相同的目錄中創建名為 volcano 的文件夾。所有圖片文件都將存儲在這里，然后將在動畫中使用。

# library
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

# Get the data (csv file is hosted on the web)
url = "https://python-graph-gallery.com/wp-content/uploads/volcano.csv"
data = pd.read_csv(url)

# Transform it to a long format
df=data.unstack().reset_index()
df.columns=["X","Y","Z"]

# And transform the old column name in something numeric
df["X"]=pd.Categorical(df["X"])
df["X"]=df["X"].cat.codes

# We are going to do 20 plots, for 20 different angles
for angle in range(70,210,2):

# Make the plot
    fig = plt.figure()
    ax = fig.gca(projection="3d")
    ax.plot_trisurf(df["Y"], df["X"], df["Z"], cmap=plt.cm.viridis, linewidth=0.2)

    ax.view_init(30,angle)

    filename="Volcano/Volcano_step"+str(angle)+".png"
    plt.savefig(filename, dpi=96)
    plt.gca()

這將會在 Volcano 文件夾中創建多個 PNG 文件。現在用 ImageMagick 將它們轉換為動畫。打開終端并切換到 Volcano 目錄下輸入以下命令：

convert -delay 10 Volcano*.png animated_volcano.gif

Celluloid 是一個Python模塊，它簡化了在 matplotlib 中創建動畫的過程。這個庫創建一個 matplotlib 圖，并從中再創建一個 Camera。然后重新處理數據，并在創建每個幀后，用 camera 拍攝快照。最后創建包含所有幀的動畫。

pip install celluloid

以下是使用 Celluloid 模塊的一些示例。

from matplotlib import pyplot as plt
from celluloid import Camera

fig = plt.figure()
camera = Camera(fig)
for i in range(10):
    plt.plot([i] * 10)
    camera.snap()
animation = camera.animate()
animation.save("celluloid_minimal.gif", writer = "imagemagick")

import numpy as np
from matplotlib import pyplot as plt
from celluloid import Camera

fig, axes = plt.subplots(2)
camera = Camera(fig)
t = np.linspace(0, 2 * np.pi, 128, endpoint=False)
for i in t:
    axes[0].plot(t, np.sin(t + i), color="blue")
    axes[1].plot(t, np.sin(t - i), color="blue")
    camera.snap()
    
animation = camera.animate()  
animation.save("celluloid_subplots.gif", writer = "imagemagick")

import matplotlib
from matplotlib import pyplot as plt
from celluloid import Camera

fig = plt.figure()
camera = Camera(fig)
for i in range(20):
    t = plt.plot(range(i, i + 5))
    plt.legend(t, [f"line {i}"])
    camera.snap()
animation = camera.animate()
animation.save("celluloid_legends.gif", writer = "imagemagick")

動畫有助于突出顯示無法通過靜態圖表輕松傳達的某些功能。盡管如此，不必要的過度使用有時會使事情復雜化，應該明智地使用數據可視化中的每個功能以產生最佳效果。

更多文章請關注微信公眾號：硬核智能