【100天精通Python】Day67:Python可视化_Matplotlib 绘制动画,2D、3D 动画 示例+代码

简介: 【100天精通Python】Day67:Python可视化_Matplotlib 绘制动画,2D、3D 动画 示例+代码

1 绘制2D动画(animation)

       Matplotlib是一个Python绘图库,它提供了丰富的绘图功能,包括绘制动画。要绘制动画,Matplotlib提供了FuncAnimation类,允许您创建基于函数的动画。下面是一个详细的Matplotlib动画示例,演示了如何创建一个简单的动画。

示例1:Matplotlib绘制一个简单的正弦波动画 :

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
# 创建一个空白图形
fig, ax = plt.subplots()
# 创建一个空白线条,稍后将在动画中更新
line, = ax.plot([], [], lw=2)
# 设置坐标轴范围
ax.set_xlim(0, 2*np.pi)
ax.set_ylim(-1, 1)
# 初始化函数,用于创建空白图形
def init():
    line.set_data([], [])
    return line,
# 动画更新函数,在每一帧中更新线条数据
def update(frame):
    x = np.linspace(0, 2*np.pi, 1000)
    y = np.sin(2*np.pi * (x - 0.01 * frame))
    line.set_data(x, y)
    return line,
# 创建动画对象,传递初始化函数和更新函数
ani = FuncAnimation(fig, update, frames=200, init_func=init, blit=True)
# 保存动画为gif文件(可选)
ani.save('sine_wave_animation.gif', writer='pillow', fps=30)
# 显示动画
plt.show()


这个示例演示了如何创建一个简单的正弦波动画。让我们分析一下代码:

  1. 我们首先导入必要的库,包括NumPy和Matplotlib中的FuncAnimation类。
  2. 创建一个图形对象(fig)和一个坐标轴对象(ax),然后创建一个空白的线条对象(line)。
  3. 设置坐标轴范围。
  4. 编写init函数,它用于初始化图形,此处是清空线条。
  5. 编写update函数,它在每一帧中更新线条的数据。在这个示例中,我们绘制了一个在x轴上以不同速度移动的正弦波。
  6. 创建FuncAnimation对象,传递初始化函数、更新函数、帧数等参数。
  7. 最后,您可以选择将动画保存为GIF文件(使用ani.save)或直接在窗口中显示(使用plt.show())。

示例2:绘制散点图动画

​​​​import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np
fig, ax = plt.subplots()
x = np.random.rand(100)
y = np.random.rand(100)
scatter = ax.scatter(x, y)
def update(frame):
    scatter.set_offsets(np.column_stack((x+frame/100, y)))
    return scatter,
ani = animation.FuncAnimation(fig, update, frames=100, interval=50)
ani.save('animation.gif', writer='pillow')
plt.show()

2 matplotlib 绘制3D动画(animation)

Matplotlib允许您创建3D动画,通过使用FuncAnimation类,您可以在3D场景中制作动画。

示例:Matplotlib 绘制旋转的魔方动画

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib.animation import FuncAnimation
from mpl_toolkits.mplot3d.art3d import Poly3DCollection
# 创建一个3D图形对象
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
# 定义立方体的顶点坐标和连接顺序
vertices = np.array([[1, 1, 1], [1, 1, -1], [1, -1, -1], [1, -1, 1],
                     [-1, 1, 1], [-1, 1, -1], [-1, -1, -1], [-1, -1, 1]])
faces = [[vertices[0], vertices[1], vertices[2], vertices[3]],
         [vertices[4], vertices[5], vertices[6], vertices[7]],
         [vertices[0], vertices[1], vertices[5], vertices[4]],
         [vertices[2], vertices[3], vertices[7], vertices[6]],
         [vertices[0], vertices[3], vertices[7], vertices[4]],
         [vertices[1], vertices[2], vertices[6], vertices[5]]]
# 定义每个面的颜色
colors = ['r', 'g', 'b', 'y', 'm', 'c']
# 初始化函数,创建空白图形
def init():
    return ax
# 动画更新函数,用于旋转立方体
def update(frame):
    ax.cla()  # 清除当前图形
    ax.set_xlim(-2, 2)
    ax.set_ylim(-2, 2)
    ax.set_zlim(-2, 2)
    ax.set_title(f'Frame {frame}')
    # 旋转立方体
    angle = frame * (360 / frames)
    for i, face in enumerate(faces):
        rotated_face = []
        for vertex in face:
            x, y, z = vertex
            x_rotated = x * np.cos(np.radians(angle)) - z * np.sin(np.radians(angle))
            z_rotated = x * np.sin(np.radians(angle)) + z * np.cos(np.radians(angle))
            rotated_face.append([x_rotated, y, z_rotated])
        rotated_face = np.array(rotated_face)
        ax.add_collection3d(Poly3DCollection([rotated_face], facecolors=colors[i], alpha=0.8))
    return ax
frames = 100  # 动画帧数
ani = FuncAnimation(fig, update, frames=frames, init_func=init, blit=False)
# 在创建FuncAnimation对象之后,添加以下代码保存动画为GIF文件
ani.save('rotating_colored_cube_animation.gif', writer='pillow', fps=30)
# 显示动画
plt.show()

       上述代码演示了如何使用Matplotlib创建一个旋转的彩色3D立方体动画,并将其保存为GIF文件。以下是代码的主要部分和功能分析:

  1.首先,导入必要的Python库:

  • numpy:用于处理数学运算和数组操作。
  • matplotlib.pyplot:Matplotlib的绘图模块,用于创建和显示图形。
  • mpl_toolkits.mplot3d.Axes3D:Matplotlib的3D绘图工具。
  • matplotlib.animation.FuncAnimation:用于创建动画的Matplotlib类。
  1. 创建一个3D图形对象(fig)和一个3D坐标轴对象(ax)。
  2. 定义立方体的顶点坐标(vertices)和连接顺序(faces)。vertices包含了立方体的八个角点的坐标,而faces包含了连接这些点的面。
  3. 定义每个面的颜色(colors),这里使用了六种不同的颜色。
  4. 编写初始化函数init,它返回一个空白的3D图形。
  5. 编写动画更新函数update,它在每一帧中清除当前图形,然后重新绘制旋转后的立方体。动画中的旋转通过逐渐改变角度(angle)来实现。每个面的顶点坐标都根据旋转角度计算出旋转后的坐标,然后使用Poly3DCollection来绘制立方体的面,每个面使用不同的颜色。
  6. 定义动画帧数(frames),表示动画的总帧数。
  7. 使用FuncAnimation类创建动画对象(ani),传递初始化函数、更新函数、帧数等参数。
  8. 使用ani.save方法将动画保存为GIF文件,指定文件名('rotating_colored_cube_animation.gif')、GIF编写器('pillow',使用Pillow库)和帧速率(fps=30)。
  9. 最后,通过plt.show()显示动画。

这段代码实现了一个具有旋转动画效果的3D立方体,每个面都有不同的颜色,生成的动画保存为GIF文件。您可以根据需要修改颜色、帧数、文件名等参数来自定义动画。


3 总结:绘制动画的通用流程

(1)导入必要的库:首先,你需要导入Matplotlib库及其子模块,例如pyplot和animation。通常使用以下语句导入这些库:

import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

(2) 创建画布和子图:使用Matplotlib创建一个画布并添加子图(axes)。可以使用`plt.subplots()`函数来完成这个步骤:

fig, ax = plt.subplots()

(3)定义初始化函数:创建一个函数来初始化动画。这个函数会设置图形的初始状态,例如绘制图形的背景、坐标轴的范围等,确保动画的每一帧都从相同的初始状态开始。

def init():
    # 设置图形的初始状态
    return ax

(4) 定义更新函数:创建一个函数来更新动画的每一帧。通常,这个函数根据时间或数据的变化更新图形。例如,你可以使用以下语句在每一帧中更新线条的位置:

```python
def update(frame):
    # 更新图形的每一帧
    # 更新线条的位置或其他图形元素
    return ax
```

(5)创建动画对象:使用`FuncAnimation`类创建一个动画对象。这个类接受以下参数:绘制图形的画布、更新函数、帧数、帧之间的延迟以及初始化函数。可以使用以下语句创建动画对象:

anim = FuncAnimation(fig, update, frames=num_frames, init_func=init, interval=interval, blit=True)

其中,`fig`是创建的画布对象,通常为第2步中创建的对象;`update`是在第4步中定义的更新函数;`num_frames`是动画的总帧数;`init`是在第3步中定义的初始化函数;`interval`是帧之间的延迟(以毫秒为单位);`blit`是一个布尔值,表示是否只绘制变化的部分(默认值为False)。

(6)显示动画:使用`plt.show()`函数来显示动画。


目录
相关文章
|
6天前
|
Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
|
4天前
|
存储 Python
Python示例:分解一个不多于指定位的正整数
Python示例:分解一个不多于指定位的正整数
11 0
|
17天前
|
机器学习/深度学习 数据采集 算法
数据稀缺条件下的时间序列微分:符号回归(Symbolic Regression)方法介绍与Python示例
有多种方法可以处理时间序列数据中的噪声。本文将介绍一种在我们的研究项目中表现良好的方法,特别适用于时间序列概况中数据点较少的情况。
29 1
数据稀缺条件下的时间序列微分:符号回归(Symbolic Regression)方法介绍与Python示例
|
4天前
|
Python
Python编程的循环结构小示例(二)
Python编程的循环结构小示例(二)
|
4天前
|
存储 Python
Python示例:分解一个不多于指定位的正整数
Python示例:分解一个不多于指定位的正整数
|
4天前
|
机器学习/深度学习 Python
Python编程的循环结构小示例(一)
Python编程的循环结构小示例(一)
13 0
|
7天前
|
数据可视化 Python
可视化 图形 matplotlib
可视化 图形 matplotlib
|
16天前
|
数据处理 开发者 Python
探索Python中的列表推导式在Python编程中,列表推导式是一种简洁而高效的方法,用于从现有的列表创建新列表。本文将深入探讨列表推导式的用法、优势以及一些实际应用示例。
列表推导式是Python提供的一种强大工具,它允许开发者以更简洁的语法快速生成列表。通过结合循环和条件语句,列表推导式能够简化代码结构,提高开发效率。本文详细介绍了列表推导式的基本用法,并通过实例展示了其在数据处理、转换和过滤中的广泛应用。
16 0
|
8天前
|
数据可视化 数据挖掘 Linux
震撼发布!Python数据分析师必学,Matplotlib与Seaborn数据可视化实战全攻略!
在数据科学领域,数据可视化是连接数据与洞察的桥梁,能让复杂的关系变得直观。本文通过实战案例,介绍Python数据分析师必备的Matplotlib与Seaborn两大可视化工具。首先,通过Matplotlib绘制基本折线图;接着,使用Seaborn绘制统计分布图;最后,结合两者在同一图表中展示数据分布与趋势,帮助你提升数据可视化技能,更好地讲述数据故事。
22 1
|
9天前
|
存储 数据可视化 数据挖掘
揭秘!Matplotlib与Seaborn联手,如何让Python数据分析结果一目了然,惊艳全场?
在数据驱动时代,高效直观地展示分析结果至关重要。Python中的Matplotlib与Seaborn是两大可视化工具,结合使用可生成美观且具洞察力的图表。本文通过分析某电商平台的商品销量数据集,展示了如何利用这两个库揭示商品类别与月份间的销售关系及价格对销量的影响。首先使用Matplotlib绘制月份销量分布直方图,再借助Seaborn的箱线图进一步探索不同类别和价格区间下的销量稳定性。
37 10
下一篇
无影云桌面