前言

在自學機器學習或者是深度學習的過程中，有的時候總想把執行過程或者執行結果顯示出來，所以就想到了動畫。好在用 Python 實現動畫有許多中方式，而大家熟知的 Matplotlib 庫就可以實現。

本文的目的是對 Matplotlib 的動畫實現手段做一個簡單的說明。

繪制動畫

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

如果要讓 matplotlib 實現動畫功能的話，那么就要引入 animation 模塊。

然后再創建 animation 的對象。

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

animation 的實現類是 FuncAnimation，它有一個構造方法。下面先通過一個示例，講解 animation 的基本用法，然后再來細致分析 FuncAnimation 構造方法中各項參數的意義。

我們的目標是做一個 Sin 函數的動畫示例。

代碼很簡單。

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畫代碼了。

但，如果我們需要達到靈活運用的話，就需要花點心思，了解它們的機制。

我們先來看看 FuncAnimation 的構造方法。

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

fig 自然是 matplotlib 中的 figure 對象。

func 是每一次更新時所調用的方法,它是回調函數。因此，我們可以在這個方法中更新 figure 當中的 axes 中的 line2d 對象，它是動態更新 figure 的根本。

frames 代表了整個動畫過程中幀的取值范圍，而本質上是一個數據發生器。我將在后面重點講解它。

init_func 是初始函數，用來初始 figure 的畫面。

fargs 是每次附加給 func 回調函數的參數，可以為 None

save_count 是緩存的數量

除此之外，還有一些可選的參數，它們分別是

interval 是每 2 個 frame 發生的時間間隔,單位是 ms，默認值是 200.

repeat_delay 取值是數值，如果 animation 是重復播放的話，這個值就是每次播放之間的延遲時間，單位是 ms。

repeat bool 型可選參數，默認為 True，代表動畫是否會重復執行

blit bool 型可選參數，控制繪制的優化。默認是 False。

如何理解 animation 呢？

我認為，animation 的核心是 frames 和 func。

frames 可以取值：iterable，int,generator 生成器函數 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)

其實就是一個 list，它的值范圍為 -pi 到 pi，frames 總共有 90 幀，而 list 是一個 iterable 類型，所以它可以不停的迭代。

frames 也可以取值為整數，相當于給參數賦值 range(frames)。

frames 也可以取值為 None,那么它的結果相當于傳遞 itertools.count,結構就是從 0 開始，每次步進 1，無限的執行下去。

frames 還接受 generator 函數，也就是生成器，但有個前提是，生成器要符合下面的簽名格式。

def gen_function() -> obj

參數列表為空，但需要返回一個值，這個值就會傳入到 func 回調函數當中。

func 是回調函數，它會在每次更新的時候被調用，所以我們只需要在這個函數中更新 figure 中的數值就可以了，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 的關系是什么？

實際上，frames 決定了整個動畫 frame 的取值范圍，它會在 interval 時間內迭代一次，然后將值傳遞給 func，直到整個 frames 迭代完畢。

我本人而言，也更傾向于用 generator 函數去定義 frames 而不是直接分配一個列表，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 就是一個生成器函數，它會每隔 10ms 運行一次，然后將結果傳遞給 update 函數。

data_gen 里面運用到了 yield 關鍵字，這是的我們可以在每次迭代時才返回相應的結構，而不要在一開始就分配。如果不熟悉這方面知識點的同學，可以自行搜索相應的知識。

保存動畫

因為經常寫博客，所以也經常需要將結果保存下來，一般我會保存為 .gif 格式圖片，本篇博文的 gif 圖像就是通過 matplotlib 保存的。

好在用 matplotlib 實現它也并不難。

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

一句代碼就搞定了，運行成功后，會在當前目錄下生成 test_animation.gif 圖像。

需要注意到的是，如果要保存 gif 圖像，這要求開發者電腦已經安裝了 ImageMagicK。

ubuntu 用戶可以通過如下命令安裝。

sudo apt-get install imagemagick

并且，動畫保存的時候要指定 writer 為 imagemagick.

動畫可以保存為 gif 圖像，自然也能保存為 mp4 視頻格式。

但這要求開發者計算機已經安裝好 ffmpeg 庫，并且 save 方法中指定 writer 為 ffmpeg,具體細節請讀者自行擴展閱讀。

總結

到此這篇關于如何利用Matplotlib庫繪制動畫及保存GIF圖片的文章就介紹到這了,更多相關Matplotlib庫繪制動畫內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！