前言

在自學(xué)機(jī)器學(xué)習(xí)或者是深度學(xué)習(xí)的過(guò)程中，有的時(shí)候總想把執(zhí)行過(guò)程或者執(zhí)行結(jié)果顯示出來(lái)，所以就想到了動(dòng)畫。好在用 Python 實(shí)現(xiàn)動(dòng)畫有許多中方式，而大家熟知的 Matplotlib 庫(kù)就可以實(shí)現(xiàn)。

本文的目的是對(duì) Matplotlib 的動(dòng)畫實(shí)現(xiàn)手段做一個(gè)簡(jiǎn)單的說(shuō)明。

繪制動(dòng)畫

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

如果要讓 matplotlib 實(shí)現(xiàn)動(dòng)畫功能的話，那么就要引入 animation 模塊。

然后再創(chuàng)建 animation 的對(duì)象。

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

animation 的實(shí)現(xiàn)類是 FuncAnimation，它有一個(gè)構(gòu)造方法。下面先通過(guò)一個(gè)示例，講解 animation 的基本用法，然后再來(lái)細(xì)致分析 FuncAnimation 構(gòu)造方法中各項(xiàng)參數(shù)的意義。

我們的目標(biāo)是做一個(gè) Sin 函數(shù)的動(dòng)畫示例。

代碼很簡(jiǎn)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(dòng)畫代碼了。

但，如果我們需要達(dá)到靈活運(yùn)用的話，就需要花點(diǎn)心思，了解它們的機(jī)制。

我們先來(lái)看看 FuncAnimation 的構(gòu)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(duì)象。

func 是每一次更新時(shí)所調(diào)用的方法,它是回調(diào)函數(shù)。因此，我們可以在這個(gè)方法中更新 figure 當(dāng)中的 axes 中的 line2d 對(duì)象，它是動(dòng)態(tài)更新 figure 的根本。

frames 代表了整個(gè)動(dòng)畫過(guò)程中幀的取值范圍，而本質(zhì)上是一個(gè)數(shù)據(jù)發(fā)生器。我將在后面重點(diǎn)講解它。

init_func 是初始函數(shù)，用來(lái)初始 figure 的畫面。

fargs 是每次附加給 func 回調(diào)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(gè) frame 發(fā)生的時(shí)間間隔,單位是 ms，默認(rèn)值是 200.

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

repeat bool 型可選參數(shù)，默認(rèn)為 True，代表動(dòng)畫是否會(huì)重復(fù)執(zhí)行

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

如何理解 animation 呢？

我認(rèn)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(shí)就是一個(gè) list，它的值范圍為 -pi 到 pi，frames 總共有 90 幀，而 list 是一個(gè) 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(dāng)于給參數(shù)賦值 range(frames)。

frames 也可以取值為 None,那么它的結(jié)果相當(dāng)于傳遞 itertools.count,結(jié)構(gòu)就是從 0 開(kāi)始，每次步進(jìn) 1，無(wú)限的執(zhí)行下去。

frames 還接受 generator 函數(shù)，也就是生成器，但有個(gè)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(gè)值，這個(gè)值就會(huì)傳入到 func 回調(diào)函數(shù)當(dāng)中。

func 是回調(diào)函數(shù)，它會(huì)在每次更新的時(shí)候被調(diào)用，所以我們只需要在這個(gè)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(guān)系是什么？

實(shí)際上，frames 決定了整個(gè)動(dòng)畫 frame 的取值范圍，它會(huì)在 interval 時(shí)間內(nèi)迭代一次，然后將值傳遞給 func，直到整個(gè) 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(gè)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(gè)生成器函數(shù)，它會(huì)每隔 10ms 運(yùn)行一次，然后將結(jié)果傳遞給 update 函數(shù)。

data_gen 里面運(yùn)用到了 yield 關(guān)鍵字，這是的我們可以在每次迭代時(shí)才返回相應(yīng)的結(jié)構(gòu)，而不要在一開(kāi)始就分配。如果不熟悉這方面知識(shí)點(diǎn)的同學(xué)，可以自行搜索相應(yīng)的知識(shí)。

保存動(dòng)畫

因?yàn)榻?jīng)常寫博客，所以也經(jīng)常需要將結(jié)果保存下來(lái)，一般我會(huì)保存為 .gif 格式圖片，本篇博文的 gif 圖像就是通過(guò) matplotlib 保存的。

好在用 matplotlib 實(shí)現(xiàn)它也并不難。

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

一句代碼就搞定了，運(yùn)行成功后，會(huì)在當(dāng)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(kāi)發(fā)者電腦已經(jīng)安裝了 ImageMagicK。

ubuntu 用戶可以通過(guò)如下命令安裝。

sudo apt-get install imagemagick

并且，動(dòng)畫保存的時(shí)候要指定 writer 為 imagemagick.

動(dòng)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(kāi)發(fā)者計(jì)算機(jī)已經(jīng)安裝好 ffmpeg 庫(kù)，并且 save 方法中指定 writer 為 ffmpeg,具體細(xì)節(jié)請(qǐng)讀者自行擴(kuò)展閱讀。

總結(jié)

到此這篇關(guān)于如何利用Matplotlib庫(kù)繪制動(dòng)畫及保存GIF圖片的文章就介紹到這了,更多相關(guān)Matplotlib庫(kù)繪制動(dòng)畫內(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！