本节书摘来异步社区《Python数据可视化编程实战》一书中的第5章，第5.5节，作者：【爱尔兰】Igor Milovanović，更多章节内容可以访问云栖社区“异步社区”公众号查看。

5.5　用OpenGL制作动画

Python数据可视化编程实战
使用OpenGL的动机来源于CPU处理能力的限制，限制体现在当我们面临一项要可视化成千上万个数据点的工作，并且要求其快速执行（有时甚至是实时的）的时候。

现代计算机拥有强大的GPU用于加速与可视化相关的计算（比如游戏）。它们没有理由不能用于科学相关的可视化。

实际上，编写硬件加速的软件至少有一个缺点。就硬件的依赖而言，现代图形卡要求有专有的驱动，有时候驱动在目标平台/机器（例如用户的笔记本）上是无法使用的；即使是可用的，有时候你也不想呆在那花大把的时间去安装驱动所依赖的软件，相反，你想把时间花费在展示你的发现，并演示你的研究成果上。虽然这并不会成为编写硬件加速软件的障碍，但是你还是需要考虑一下这件事情，并且衡量一下在项目中引入这个复杂性的成本和收益。

解释完缺点后，我们可以对硬件加速可视化说“是”，可以对OpenGL，这一图形加速的工业标准说“是”。

我们将使用OpenGL来完成本节的内容，因为它是跨平台的，因此所有的例子应该在Linux、Mac或者Windows上都是工作的，就像我们所演示的那样。这里假定你已经安装了所需的硬件和操作系统级别的驱动。

5.5.1 准备工作

如果你从来没有使用过OpenGL，现在我们将做一个快速的介绍来帮助你理解。但是要真正的了解OpenGL，至少要阅读并理解一整本书。OpenGL是一个规范，而不是一个实现，因此OpenGL本身并没有任何实现代码，所有的实现是遵循该规范而开发的库。这些库是跟随你的操作系统，或者由如NVIDIA或者AMD/ATI等不同的显卡厂商发布的。

此外，OpenGL只关注图形渲染而不是动画、定时和其他复杂的事情，这些事情是留给其他库来完成的。

因为OpenGL是一个图形渲染库，所以它不知道我们在屏幕上绘制的是什么。它不关心我们画的是否是一只猫、一个球，或者一条线，还是所有这些对象。因此，要移动一个已经渲染的对象，需要清除并重绘整个图像。为了让某个物体动起来，我们需要很快地循环绘制和重绘所有内容，并把它显示给用户，这样用户就认为他/她正在观看一个动画。
在机器上安装OpenGL是一件和平台相关的过程。在Mac OS X上，OpenGL的安装通过系统升级来完成，但是开发库（所谓的“头文件”）是Xcode开发包的一部分。

在Windows系统上，最好的方式是安装电脑的显卡厂商的最新显卡驱动程序。OpenGL可能并不需要它们就可以工作，但那样的话你就很可能失去了原版驱动程序的最新特性。

在Linux平台上，如果你不反对安装闭源软件，在操作系统发行版自身的软件管理器中，或者显卡厂商网站上的二进制安装文件，都提供了可供下载的特定厂商的驱动。Mesa3D几乎一直都是OpenGL的标准实现，它也是最有名的OpenGL实现，使用Xorg来为Linux、FreeBSD和类似操作系统的OpenGL提供支持。

基本上，在Debian/Ubuntu系统中，应当安装下列软件包及其依赖。

$ sudo apt-get install libgl1-mesa-dev libgl-mesa-dri
然后，你就可以使用一些开发库和/或者框架来实际地编写OpenGL支持的应用程序了。

我们在这里只关注Python中的OpenGL绘图，因此我们将回顾在Python中使用最多的一些构建在OpenGL之上的库和框架。我们会提到matplotlib及其当前和将来对OpenGL的支持。

Mayavi：这是一个专门用于3D的库。
Pyglet：这是一个纯Python的图形库。
Glumpy：这是一个构建在Numpy之上的快速图形渲染库。
Pyglet和OpenGL：这是用来可视化大数据（百万级数据点）的。

5.5.2 操作步骤

专业化的项目Mayavi是一个功能全面的3D图形库，它主要用于高级3D渲染。它包含在已经提到的 Python包中，如EPD（虽然没有免费许可）。这也是在Windows和Mac OS X操作系统上的推荐安装方式。在Linux平台上，也可以通过pip轻松地安装，代码如下。

$ pip install mayavi```
Mayavi可以作为一个开发库/框架，或者一个应用程序来使用。Mayavi应用程序包含了一个可视化编辑器，可以用于简单的数据研究和一些交互可视化。

作为一个图形库，Mayavi的用法和matplotlib相似。它可以从一个脚本接口中，或者作为一个完全的面向对象的库来使用。Mayavi的大多数接口在mlab模块中，可以使用它们来制作动画。例如，可以像下面代码那样来完成一个简单的Mayavi动画。

import numpy
from mayavi.mlab import *

Produce some nice data.

n_mer, n_long = 6, 11
pi = numpy.pi
dphi = pi/1000.0
phi = numpy.arange(0.0, 2pi + 0.5dphi, dphi, 'd')
mu = phi*n_mer
x = numpy.cos(mu)(1+numpy.cos(n_longmu/n_mer)*0.5)
y = numpy.sin(mu)(1+numpy.cos(n_longmu/n_mer)*0.5)
z = numpy.sin(n_longmu/n_mer)0.5

View it.

l = plot3d(x, y, z, numpy.sin(mu), tube_radius=0.025,
colormap='Spectral')

Now animate the data.

ms = l.mlab_source
for i in range(100):

 x = numpy.cos(mu)*(1+numpy.cos(n_long*mu/n_mer +
                                          numpy.pi*(i+1)/5.)*0.5)
 scalars = numpy.sin(mu + numpy.pi*(i+1)/5)
 ms.set(x=x, scalars=scalars)

上述代码将生成如图5-5所示的带旋转图形的窗口。

<div style="text-align: center"><img src="https://yqfile.alicdn.com/171e090b194982e61b5725edbfa10c07c8eab14a.png" width="" height="">
</div>

###5.5.3 工作原理
我们生成了数据集合，并创建了x、y和z三个函数。这些函数被用在plot3d函数中作为图形的起始位置。

然后，导入mlab_source对象，以便能在点和标量的级别上操作图形。然后使用这个特性在循环中设置特定的点和标量来创建一个100帧的旋转动画。

####5.5.4 补充说明
如果你想实验更多的内容，最简单的方式是打开IPython，导入myayvi.lab，并运行一些名字为test_*的函数。

为了了解到底发生了什么，你可以借助IPython的功能来检查和研究Python源码，像下面代码显示的这样。

In [1]: import mayavi.mlab

In [2]: mayavi.mlab.test_simple_surf??

Type: function
String Form:
File:/usr/lib/python2.7/dist-packages/mayavi/tools/helper_
functions.py
Definition: mayavi.mlab.test_simple_surf()
Source:
def test_simple_surf():

"""Test Surf with a simple collection of points."""
x, y = numpy.mgrid[0:3:1,0:3:1]
return surf(x, y, numpy.asarray(x, 'd'))

这里，我们看到如何通过在函数名后面添加两个问号（“??”）让IPython找到函数的源码并显示。这是一个真实的探索性计算，经常在可视化社区中被使用，因为它是了解数据和代码的一个快速的方式。

Pyglet快速入门
Pyglet是另一个著名的Python库，可以让编写图形和与窗口相关的应用程序变得轻松起来。它通过模块pyglet.gl来支持OpenGL，但是为了能使用Pyglet的威力你不必直接使用这个模块。通过pyglet.graphics来使用它是最方便的用法。

Pyglet采用了一种和Mayavi不同的方式。它没有可视化的IDE，你要负责从创建窗口，到发出一个低级别的OpenGL调用来配置OpenGL上下文环境的所有工作。它有时比Mayavi慢，但是你所获得的是控制应用程序的每个部分的能力。这有时候也意味着会投入更多的工作时间，但是通常来讲，它也意味着你的应用程序有更高的质量和性能。

可以通过下面的代码来得到一个简单的应用程序（图像查看器）。

import pyglet

window = pyglet.window.Window()
image = pyglet.resource.image('kitten.jpg')

@window.event
def on_draw():

 window.clear()
 image.blit(0, 0)

pyglet.app.run()

上述代码创建了一个窗口，加载了一幅图像，并指定了当我们绘制一个窗口对象时所发生的事件（换言之，我们为on_draw事件定义了一个事件处理器）。最后，运行我们的程序（piglet.app.run()）。

在实现的内部，程序使用OpenGL在窗口上进行绘制。此接口可以从pyglet.gl模块获得。然而直接使用它是不高效的，因此pyglet在pyglet.graphics中提供了一个更简单的接口，在这个接口内部使用了顶点数组（vertex arrays）和缓冲区（buffers）。

Glumpy快速入门
Glumpy是一个OpenGL+NumPy库，它用OpenGL来进行快速Numpy可视化。它是一个由Nicolas Rougier启动的开源项目，致力于高效可视化。为了使用它，我们需要Python OpenGL绑定（bindings）、SciPy，当然还有Glumpy。安装命令如下。

sudo apt-get install python-opengl
sudo pip install scipy
sudo pip install glumpy

Glumpy使用OpenGL纹理（textures）来表示阵列，因为这恐怕是在现代图形硬件上最快的可视化方法了。

Pyprocessing 简介
Pyprocessing和Processing（``http://processing.org``）的工作方式极其相似。Pyprocessing中的大多数函数和Processing函数是相同的。如果你熟悉Processing和Python，你就已经知道了编写Pyprocessing程序所需的几乎所有知识。为了使用它，我们唯一需要做的事情是导入pyprocessing包，用Pyprocessing函数和数据结构来编写剩余的代码，然后调用run()函数来执行。