Matplotlib绘制动态图效果

        在实际应用中，我们经常有这样的需求，希望观察到数据的变化过程而不仅仅是最终的结果，例如股票的实时变化、各国家疫情人数动态变化等。此时，传统的静态图无法满足我们的需求，这就需要借助于动态效果图了。在Matplotlib中为我们提供了绘制动态图效果的相关类库，今天我们就一起来学习如何使用Matplotlib绘制动态效果图。首先给出几个案例效果。

  

  

 

        在Matplotlib库中有一个子库animation，该库下定义了多种用于绘制动态效果图的类，例如FuncAnimation，ArtistAnimation等，我们这里主要介绍FuncAnimation的使用。该类通过重复调用某个功能函数从而实现动态绘图效果，在功能函数中会对图进行一些修改，只要调用时间间隔足够短，给人的感觉就是图在动态变化。创建FuncAnimation对象时，需要传递的主要参数及其含义如下：

• fig：用于显示动态效果的画布，即Figure对象；
• func：函数名，重复调用的功能函数；
• frames：每一帧数据，通常是可迭代对象，依次取出每一个数据传递给功能函数；
• init_func：初始函数，用于执行初始化操作；
• fargs：传递给功能函数的额外参数；
• save_count：保存计数，默认为100；
• interval：重复调用功能函数的间隔时间，单位为毫秒，默认为200；
• repeat_delay：动画结束后，重复执行动画的间隔时间，单位为毫秒；
• repeat：动画执行结束后，是否重复，默认为True；
• blit：是否更新所有点，即更新所有点还是仅更新变化的点，默认为False；
• cache_frame_data：是否缓存数据，默认为True；

注意事项：

• 使用FuncAnimation前，需先导入该类，代码为：from matplotlib.animation import FuncAnimation；
• 创建FuncAnimation对象后一定要将其赋值给某个变量，否则系统会将其进行垃圾回收。

案例一：显示正弦曲线绘制过程

  完整代码参考：

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


fig = plt.figure(figsize=(10, 5))  # 创建图
plt.rcParams["font.family"] = "FangSong"  # 支持中文显示
plt.ylim(-12, 12)  # Y轴取值范围
plt.yticks([-12 + 2 * i for i in range(13)], [-12 + 2 * i for i in range(13)])  # Y轴刻度
plt.xlim(0, 2 * np.pi)  # X轴取值范围
plt.xticks([0.5 * i for i in range(14)], [0.5 * i for i in range(14)])  # X轴刻度
plt.title("函数 y = 10 * sin(x) 在[0,2Π]区间的曲线")   # 标题
plt.xlabel("X轴")  # X轴标签
plt.ylabel("Y轴")  # Y轴标签
x, y = [], []  # 用于保存绘图数据，最开始时什么都没有，默认为空


def update(n):  # 更新函数
    x.append(n)  # 添加X轴坐标
    y.append(10 * np.sin(n))  # 添加Y轴坐标
    plt.plot(x, y, "r--")  # 绘制折线图


ani = FuncAnimation(fig, update, frames=np.arange(0, 2 * np.pi, 0.1), interval=50, blit=False, repeat=False)  # 创建动画效果
plt.show()  # 显示图片

        这里为了可以观察到整体效果，设置了X轴和Y轴的取值范围，如果不设置取值范围，程序会根据绘图的数据自动调整X轴和Y轴的取值范围，就看不到曲线绘制的过程。

        这里的功能函数名为update，这个函数名可以任意命名。在该函数中，只是将新的数据添加在原有数据中，然后重新绘制效果图，因此图上的数据会慢慢变多，直到结束为止。

        这里frames参数是一个可迭代对象，程序执行时，会依次取出该对象中的元素，然后传递给update函数。

案例二：显示动态变化的正弦和余弦曲线

        图中包含两条曲线，一个正弦曲线一个余弦曲线，这两条曲线在水平移动。 

完整代码参考： 

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


fig, ax = plt.subplots()  # 创建画布和绘图区
ax.set_axis_off()  # 不显示坐标轴
x = np.arange(0, 2 * np.pi, 0.01)  # 生成X轴坐标序列
line1, = ax.plot(x, np.sin(x))  # 获取折线图对象，逗号不可少，如果没有逗号，得到的是元组
line2, = ax.plot(x, np.cos(x))  # 获取折线图对象，逗号不可少


def update(n):  # 动态更新函数
    line1.set_ydata(np.sin(x + n / 10.0))  # 改变线条y的坐标值
    line2.set_ydata(np.cos(x + n / 10.0))  # 改变线条y的坐标值


ani = FuncAnimation(fig, update, frames=100, interval=50, blit=False, repeat=False)  # 创建动画效果
plt.show()  # 显示图

 这里frames参数是一个整数100，此时，程序会自动生成一个range(100)的可迭代对象，然后依次取出每一个数，将其传递给update函数。

案例三：编程语言排行榜随时间动态变化效果

 编程语言排行榜相关数据的爬取可参考我的另一篇博文：Python爬虫与数据可视化案例（共享源码） 

主要思路：依次获取每个月各编程语言的占比，然后按照从大到小对其排序，最后绘制水平条形图，显示占比数据。

完整代码参考：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation


def draw(item):
    plt.cla()  # 清空原有内容
    date = item[0]  # 获取日期
    data = item[1]  # 获取该日期下各编程语言占比
    temp_index = np.argsort(data["value"])  # 从大到小排序，获取排序后的索引
    values = data["value"].values[temp_index]  # 排序后的值
    names = data["name"].values[temp_index]  # 排序后的名称
    colors = ["r", "b", "y", "c", "g", "m", "pink", "purple", "gray", "orange"]  # 定义颜色列表
    # 绘制水平条形图
    plt.barh(range(1, len(values) + 1), values, color=colors)
    plt.yticks(range(1, len(values) + 1), names)  # Y轴标签
    plt.xlim(0, max(values) + 2)  # X轴取值范围，在最大值基础上加2，从而有足够空间显示数据
    plt.title("编程语言排行榜--{}".format(date), fontsize=20)  # 标题，显示日期
    for x in range(1, len(values) + 1):  # 在图中显示各编程语言的占比
        plt.text(values[x - 1] + 0.1, x - 0.1, str(values[x - 1]) + "%", fontsize=14)


datas = pd.read_csv("lang.csv")  # 读取数据
temp = datas.groupby("date")  # 按照日期进行分组
fig = plt.figure(figsize=(12, 6))  # 创建图
plt.rcParams["font.family"] = "FangSong"  # 支持中文显示
ani = FuncAnimation(fig, draw, frames=temp, interval=50, blit=False, repeat=False)  # 创建动画效果
plt.show()  # 显示图片

 源代码及相关资源，可关注 Python资源分享 微信公众号，回复 动态图  即可获取。