第一时间关注Python技术干货!
截至今日,数据可视化的内容已经更新到第五篇。
如果你也想跟着我一起学习 matplotlib,可以点击如下传送门前往往期系列文章:
01. 准备工作
再次声明下我使用的工具和环境:Anaconda+Jupyter Notebook
建议你和我使用同样的工具你才能无痛学习这个系统的教程。在 Jupyter Notebook 里要对动态图进行保存,需要这个超强大的图形处理软件的支持。
所以在往下学习之前,你需要先安装这个工具。安装方法请自行搜索引擎解决哈。
安装完成后,请打开 CMD 终端,检验一下是否成功安装,如果执行没有报错,则已成功安装。
magick--version
02. 绘制原理
首先,我们要清楚的是,matplotlib 只能对静态图进行绘制展示。那么动态图是如何实现的?动态图和视频一样,都是由一帧一帧的画面组合而成。将这些画面拼接起来的工作,就是由 来完成的。
问题又来了,如何在程序里可以生成这些一帧一帧的画面呢?
matplotlib 给我们提供了一个函数, 用它我们就可以很轻松的完成这些画面展示。最后才能交由 来处理。
接下来,来看看绘制的整体代码框架(伪代码)。
# 导入相关模块
importnumpyasnp
importmatplotlib.pyplotasplt
fromIPython.displayimportImage
frommatplotlib.animationimportFuncAnimation
# 生成数据(用于传入updata函数)
defdata_gen():
pass
# 初始化图像(譬如 坐标范围)
definit():
pass
# 将最新数据添加到图像中
defupdate(data):
pass
# 核心方法入口
ani = FuncAnimation()
# 保存 gif 动态图
ani.save('ming.gif',writer=writer)
# 将 gif 图展示在页面上
Image(url='./ming.gif')
03. 方法参数
本节最重要的知识点,其实就一个函数(),他可以接收很多参数。要使用它,必须得先知道这些参数都有什么用途。
:进行动画绘制的figure
:自定义开始帧,即传入刚定义的函数init
:更新频率,以ms计。
:选择更新所有点,还是仅更新产生变化的点。应选择True。
:接收来自 frames 函数传来的 frame 值,作为更新图像最新数据。
:可接收对象有 iterable, int, generator function, or None。用途生成数据传递给func函数
04. 实战讲解
经过我的一番尝试,发现在 Notebook 无法直接使用。
我们必须显式地指定其路径,并生成一个 ImageMagickFileWriter 实例,用于后面保存图像使用。
具体绘制代码如下。
# 导入相关模块
importnumpyasnp
importmatplotlib.pyplotasplt
fromIPython.displayimportImage
frommatplotlib.animationimportFuncAnimation
fig, ax = plt.subplots()
xdata, ydata = [], []
# 注意这边的 "," 不能省
ln, = ax.plot([], [],'r-', animated=False)
# 初始化图像(譬如 坐标范围)
definit():
ax.set_xlim(,2*np.pi)
ax.set_ylim(-1.1,1.1)
# 注意这边的 "," 也不能省
returnln,
# 将最新数据添加到图像中
defupdate(frame):
xdata.append(frame)
ydata.append(np.sin(frame))
ln.set_data(xdata, ydata)
# 注意这边的 "," 也不能省
returnln,
# 核心方法入口
ani = FuncAnimation(fig,
update,
frames=np.linspace(,2*np.pi,50),
interval=5,
init_func=init,
blit=True)
# 保存 gif 动态图
ani.save('ming.gif',writer=writer)
# 将 gif 图展示在页面上
Image(url='./ming.gif')
绘制出来的结果如下:
今天只讲基本的原理,让你知道动态图是如何实现的。而那些十分酷炫吊炸天的图,只是代码比较复杂而已,对于理解整个逻辑并没有多大帮助,这里就不细讲了。学习了基本原理后,你可以自己去尝试。
-END-
领取专属 10元无门槛券
私享最新 技术干货