【matplotlib】可视化解决方案——如何实现图形的动画效果

概述

在 matplotlib 中，不仅可以绘制静态图形，也可以绘制动态图形。动态图形就是我们称呼的动画，绘制动画主要使用animation模块绘制动画。接下来我们将详细介绍该方法。

使用 animation 绘制动画

下面的示例主要演示了使用FuncAnimation类绘制动画，该类通过不断的调用 func 参数指定的函数进而绘制动画，该类的定义如下：

class FuncAnimation(TimedAnimation):
	def __init__(self, fig, func, frames=None, init_func=None, fargs=None,  
             save_count=None, *, cache_frame_data=True, **kwargs):

参数如下：

• fig：指定用于绘制动画的 Figure 对象；
• func：在每一帧调用的函数。第一个参数将是 frames 参数的下一个值；
• frames：传递动画的每一帧，这个其实就是传递一个可迭代序列，这个值就是 func 接受的参数；
  • 传递整数等价于传递 range(n)；
  • 如果传递 None 等价于传递 itertools.count；
• init_func：这个方法会在每一帧绘制前进行调用；
• fargs：用于每次调用 func 时接收的附加参数；
• save_count：当无法从 frames 参数推断帧数时使用该参数，默认 100；
• cache_frame_data：指定是否缓存帧数据，默认 True，一般不需要修改；
• kwargs：传递TimedAnimation类的关键字参数；

完整的示例程序如下：

import matplotlib.pyplot as plt  
import numpy as np  
  
from matplotlib.animation import FuncAnimation  
  
fig, ax = plt.subplots(1, 1)  
  
x = np.linspace(0, 2 * np.pi, 5000)  
y = np.exp(-x) * np.cos(2 * np.pi * x)  
line, = ax.plot(x, y, color='cornflowerblue', lw=3)  
ax.set_ylim(-1.0, 1.0)  
  
  
def init():  
    line.set_ydata([np.nan] * len(x))  
    return line,  
  
  
def animate(data):  
    line.set_ydata(np.exp(-x) * np.cos(2 * np.pi * x + float(data) / 100))  
    return line,  
  
  
ani = FuncAnimation(fig, animate, init_func=init, frames=200, interval=2, blit=True)  
ani.save("test.gif", fps=20, writer='Pillow')  
plt.show()

绘制结果如下：

这里需要强调一点，func 在官网上的定义是 def func(frame, *fargs) -> iterable_of_artists，所以在返回值的时候必须加上**,** 号，否则就会报错，只有加上了返回的才是Line2D对象。

往期回顾

1. 【matplotlib】可视化解决方案——如何正确使用plot方法
2. 【matplotlib】可视化解决方案——如何正确使用bar方法
3. 【matplotlib】可视化解决方案——如何向画布中添加坐标轴
4. 【matplotlib】可视化解决方案——如何正确使用matplotlib颜色系统
5. 【matplotlib】可视化解决方案——如何实现画布局部放大功能
6. 【matplotlib】可视化解决方案——如何更改matplotlib配置信息
7. 【matplotlib】可视化解决方案——如何定制化网格
8. 【matplotlib】可视化解决方案——如何向画布添加交叉直线
9. 【matplotlib】可视化解决方案——如何解决matplotlib中文乱码问题
10. 【matplotlib】可视化解决方案——如何设置matplotlib风格集

文中难免会出现一些描述不当之处（尽管我已反复检查多次），欢迎在留言区指正，相关的知识点也可进行分享，希望大家都能有所收获！！如果觉得我的文章写得还行，不妨支持一下。你的每一个转发、关注、点赞、评论都是对我最大的支持！