Zodiac Wang

Matplotlib动态绘图及保存


总结下Matplotlib中的动态绘图以及保存方法

Updated: 2019-06-17

Table of Contents

In [1]:
import numpy as np
import matplotlib
# matplotlib.use("Agg")
import matplotlib.pyplot as plt
import matplotlib.animation as animation

动态绘图

由于本笔记在Jupyter环境下，使用HTML5渲染播放

FuncAnimation

Makes an animation by repeatedly calling a function func.

通过重复调用func中的代码，制作动态绘图。

class matplotlib.animation.FuncAnimation(fig, func, frames=None, init_func=None, fargs=None, save_count=None, *, cache_frame_data=True, **kwargs)
  • fig matplotlib fig对象
  • func 动态绘图过程中不断调用的更新函数
  • frames 作为 func 的第一个参数传入，iterable, int, generator function, or None，若为可迭代对象，则直接使用；若为整数，相当于range(frames)；若为生成器，需满足def init_func() -> iterable_of_artists
  • init_func 绘制初始帧画面的函数
  • fargs func的额外参数
  • save_count 缓存frames中的多少帧
  • interval 每帧之间的间隔，单位毫秒，例如interval=50则一秒可以输出20帧，故100帧输出动画时常5秒
  • blit 是否弃用blit优化，即更新所有点，还是仅更新产生变化的点，推荐选择True。
  • repeat_delay 若动态绘图结束后重复，延迟毫秒数，默认为None
  • repeat 控制动态绘图结束后是否重复，默认为True

动态绘图原理：FuncAnimation通过不断调用func，输出axes对象对绘图进行更新，并保存为动画从而实现动态绘图。具体而言，frames作为func的第一个位置参数输入（可以有额外参数），func返回一个包含多个axes对象（通常为一个）的tuple，循环往复。故定义func时应考虑frames这一输入参数。

画线

In [2]:
def update_line(num, data, line):
    line.set_data(data[..., :num])
    return line,


fig = plt.figure(figsize=(10, 10))

data = np.random.rand(2, 1000)
l, = plt.plot([], [], 'r-')

plt.xlim(0, 1)
plt.ylim(0, 1)
plt.xlabel('x')
plt.title('Test')

line_ani = animation.FuncAnimation(
    fig, update_line, 100, fargs=(data, l), interval=50, blit=False)  # 100 对应FuncAnimation的frames参数，即对应update_line的num参数。(data, l)为update_line的额外参数

matplotlib.rc('animation', html='html5')
line_ani
Out[2]:

衰减

In [3]:
def data_gen(t=0):
    cnt = 0
    while cnt < 200:
        cnt += 1
        t += 0.1
        yield t, np.sin(2*np.pi*t) * np.exp(-t/10.)


def init():
    ax.set_ylim(-1.1, 1.1)
    ax.set_xlim(0, 5)
    del xdata[:]
    del ydata[:]
    line.set_data(xdata, ydata)
    return line,


fig, ax = plt.subplots(figsize=(10, 10))
line, = ax.plot([], [], lw=2)
ax.grid()
xdata, ydata = [], []


def run(data):
    t, y = data
    xdata.append(t)
    ydata.append(y)
    xmin, xmax = ax.get_xlim()

    # 动态更新 坐标轴大小
    if t >= xmax:
        ax.set_xlim(xmin, 2*xmax)
        ax.figure.canvas.draw()
    line.set_data(xdata, ydata)

    return line,


ani = animation.FuncAnimation(fig, run, list(data_gen()), interval=20, blit=False,
                              repeat=True, repeat_delay=100, init_func=init)  # 此处 data_gen 即对应函数的 frames 参数

matplotlib.rc('animation', html='html5')
ani
Out[3]:

ArtistAnimation

Animation using a fixed set of Artist objects.

给定一系列Artist对象，动态绘图

class matplotlib.animation.ArtistAnimation(fig, artists, *args, **kwargs)
In [4]:
fig = plt.figure()

x = np.arange(-50, 49)
y = np.arange(-50, 49).reshape(-1, 1)
base = np.hypot(x, y)
ims = []

for add in np.arange(100):
    ims.append((plt.pcolor(x, y, base + add, norm=plt.Normalize(0, 100)),))

im_ani = animation.ArtistAnimation(
    fig, ims, interval=50, repeat_delay=100, blit=True)

matplotlib.rc('animation', html='html5')
im_ani
Out[4]:

保存为视频文件

此时视频的FPS（多快）取决于writer的fps属性，而不由 FuncAnimation中的internval决定，FuncAnimation只能通过frames决定视频的长度（共有多少帧）

此时视频的FPS（多快）取决于writer的fps属性，而不由 FuncAnimation中的internval决定，FuncAnimation只能通过frames决定视频的长度（共有多少帧）

此时视频的FPS（多快）取决于writer的fps属性，而不由 FuncAnimation中的internval决定，FuncAnimation只能通过frames决定视频的长度（共有多少帧）

使用writer进行保存

Writer(fps=5, codec=None, bitrate=None, extra_args=None, metadata=None)
In [5]:
# 设置 writer
Writer = animation.writers['ffmpeg']
writer = Writer(fps=60, codec="h264", bitrate=-1, metadata=dict(dpi=300, artist='Me'))

ani.save('data/decay.mp4', writer=writer)

直接使用save方法保存

save(
    ['filename', 'writer=None', 'fps=None', 'dpi=None', 'codec=None', 'bitrate=None', 'extra_args=None', 'metadata=None', 'extra_anim=None', 'savefig_kwargs=None'],
)

推荐直接使用带具体参数的save函数，因为之前遇到过使用writer导致视频长度不确定的情况（原因未知）

In [6]:
ani.save('data/decay_2.mp4',
         fps=60,
         dpi=300,
         bitrate=-1,
         codec="h264",
         extra_args=['-pix_fmt', 'yuv420p'],
         metadata={'artist': 'Me'},
         savefig_kwargs={'bbox_inches': 'tight'})

Warning: discarding the 'bbox_inches' argument in 'savefig_kwargs' as it may cause frame size to vary, which is inappropriate for animation.

在动态绘图过程中使用bbox_inches参数可能会导致每一帧画面大小不统一，该参数被自动忽略

雨滴可视化

In [7]:
# 取消工具栏显示，Jupyter 环境不需要
# matplotlib.rcParams['toolbar'] = 'None'

fig = plt.figure(figsize=(5, 5), facecolor='white')

ax = fig.add_axes([0.005, 0.005, 0.990, 0.990], frameon=True, aspect=1)

# 雨滴数
n = 50
size_min = 50
size_max = 50*50

# 雨滴位置
P = np.random.uniform(0, 1, (n, 2))

# 雨滴外圈颜色
C = np.ones((n, 4)) * (0, 0, 0, 1)

# 最后一列为透明度，0为透明，1为不透明
C[:, 3] = np.linspace(0, 1, n)

# 雨滴大小
S = np.linspace(size_min, size_max, n)

scat = ax.scatter(P[:, 0], P[:, 1], s=S, lw=0.5,
                  edgecolors=C, facecolors='None')

# 保证坐标轴范围为 0-1，因为matplotlib默认会适当扩大坐标轴范围
ax.set_xlim(0, 1)
ax.set_ylim(0, 1)
# 取消ticks显示
ax.set_xticks([])
ax.set_yticks([])


def update(frame):
    global P, C, S

    # 每一步都令雨滴更加透明
    C[:, 3] = np.maximum(0, C[:, 3] - 1.0/n)

    # 每一步都令雨滴更大
    S += (size_max - size_min) / n

    # 根据frame重置部分雨滴
    i = frame % 50
    P[i] = np.random.uniform(0, 1, 2)
    S[i] = size_min
    C[i, 3] = 1

    # 更新 scatter 对象
    scat.set_edgecolors(C)
    scat.set_sizes(S)
    scat.set_offsets(P)
    return scat,


rain_ani = animation.FuncAnimation(fig, update, frames=200, interval=10)

Writer = animation.writers['ffmpeg']
writer = Writer(fps=50, bitrate=-1, metadata=dict(dpi=300, artist='Me'))
rain_ani.save('data/rain.mp4', writer=writer)


matplotlib.rc('animation', html='html5')
rain_ani
Out[7]:

Published

Category

posts

Tags

Contact