Создание анимации в matplotlib Python 3.7

Анимация — это интересный способ демонстрации того или иного феномена. Мы, люди, всегда приходим в восторг от анимированных и интерактивных диаграмм, а не от статических. Применение анимации также может быть отличной идеей при необходимости продемонстрировать временные отрезки, таких как цены на акции за прошедшие годы, изменение климата за последнее десятилетие, сезонность и тенденции, так проще увидеть, как конкретный параметр ведет себя со временем.

Изображение выше — симуляция дождя, которая была выполнена при помощи библиотеки Matplotlib, известной как праотец пакетов визуализации в Python. Matplotlib симулирует капли дождя на поверхности, анимируя масштаб и непрозрачность 50 точек рассеяния. Сегодня Python может похвастаться большим количеством мощных инструментов, таких как Plotly, Bokeh и Altair. Эти библиотеки могут довести анимацию и интерактив до уровня искусства. Впрочем, цель данной статьи — осветить один аспект этой библиотеки, который слабо исследован. Мы поговорим непосредственно об анимации и о способах ее создать.

Обзор Matplotlib

Matplotlib — это библиотека Python для работы с 2D графиками, которая является одной из самых популярных. Большинство начинают свой путь визуализации данных именно с этой библиотекой. Matplotlib может генерировать графики, гистограммы, спектры мощности, диаграммы ошибок и рассеяния. Он также легко интегрируется с такими библиотеками как Pandas и Seaborn для создания более сложных визуализаций.

Рассмотрим ключевые особенности matplotlib:

Он собран на подобии MATLAB, так что переключатся между ними очень легко.
Наличие большого количество бэкендов для рендеринга.
Возможность создавать практически любые графики.
Существует уже более десяти лет, так что в наличии огромная пользовательская база.

Впрочем, существуют области, где Matplotlib не настолько хорош, как его коллеги.

Есть вопросы по Python?

На нашем форуме вы можете задать любой вопрос и получить ответ от всего нашего сообщества!

Python Форум Помощи

Telegram Чат & Канал

Вступите в наш дружный чат по Python и начните общение с единомышленниками! Станьте частью большого сообщества!

Чат

Канал

Паблик VK

Одно из самых больших сообществ по Python в социальной сети ВК. Видео уроки и книги для вас!

Matplotlib имеет императивный API, который часто чересчур многословен.
Встречаются слабые настройки стилей.
Слабая поддержка для веб и интерактивных графиков.
Зачастую работает медленно с большими и сложными данными.

Если вы хотите освежить память — на Datacamp есть шпаргалка по Matplotlib, которой вы можете воспользоваться: https://s3.amazonaws.com/assets.datacamp.com/blog_assets/Python_Matplotlib_Cheat_Sheet.pdf

Анимация в matplotlib Python

Базовый класс Matplotlib под названием animation занимается вопросом анимации. Он предоставляет структуру, вокруг которой строится функционал создаваемой анимации. Для этих целей существуют два основных интерфейса, которые используют:

FuncAnimation — создает анимацию путем повторяющегося вызова функции func.
ArtistAnimation — анимация, использующая фиксированный набор объектов Artist.

Впрочем, из этих двоих, предпочтение чаще отдают FuncAnimation благодаря удобному использованию. Вы можете узнать о них больше в документации, так как дальше мы будем работать именно с FuncAnimation.

Требования

Модули, включая numpy и matplotlib, должны быть установлены.
Для сохранения анимации в вашей системе в форматах mp4 или gif, нужно установить ffmpeg или imagemagick.

pip3 install numpy
pip3 install matplotlib

# Установка библиотек
sudo apt install ffmpeg
sudo apt install imagemagick

pip3 install numpy

pip3 install matplotlib

# Установка библиотек

sudo apt install ffmpeg

sudo apt install imagemagick

После этого, мы можем начать нашу первую базовую анимацию в Jupyter Notebooks. Код для этой статьи может быть получен из репозитория на Github: https://github.com/parulnith/Animations-with-Matplotlib

Простая анимация: движущаяся синусоида

Давайте используем FuncAnimation для создания простой анимации синусоиды, движущейся по экрану. Исходный код для анимации был взят из руководства Matplotlib Animation. Для начала, изучим выдачу, а затем код, чтобы понять, что происходит.

import numpy as np
from matplotlib import pyplot as plt
from matplotlib.animation import FuncAnimation
plt.style.use('seaborn-pastel')


fig = plt.figure()
ax = plt.axes(xlim=(0, 4), ylim=(-2, 2))
line, = ax.plot([], [], lw=3)

def init():
    line.set_data([], [])
    return line,
def animate(i):
    x = np.linspace(0, 4, 1000)
    y = np.sin(2 * np.pi * (x - 0.01 * i))
    line.set_data(x, y)
    return line,

anim = FuncAnimation(fig, animate, init_func=init,
                               frames=200, interval=20, blit=True)


anim.save('sine_wave.gif', writer='imagemagick')

import numpy as np

from matplotlib import pyplot as plt

from matplotlib.animation import FuncAnimation

plt.style.use('seaborn-pastel')

fig = plt.figure()

ax = plt.axes(xlim=(0, 4), ylim=(-2, 2))

line, = ax.plot([], [], lw=3)

def init():

line.set_data([], [])

return line,

def animate(i):

x = np.linspace(0, 4, 1000)

y = np.sin(2 * np.pi * (x - 0.01 * i))

line.set_data(x, y)

return line,

anim = FuncAnimation(fig, animate, init_func=init,

frames=200, interval=20, blit=True)

anim.save('sine_wave.gif', writer='imagemagick')

В строках 7-9 мы просто создаем фигуру с одной осью. Затем мы создаем наш пустой объект строки, который по сути будет модифицирован в анимации. Объект line будет заполнен данными в дальнейшем.
В строках 11-13 мы создаем функцию init, которая будет отвечать за осуществление анимации. Функция init инициализирует данные, а также указывае лимит осей.
В строках 14-18 мы наконец определяем функцию анимации, которая принимает фрейм number(i) в качестве параметра и создает синусоиду (или любую другую анимацию), которая сдвигается в зависимости от значения i. Функция здесь возвращает кортеж объектов графика, который был модифицирован, и говорит фреймворку анимации, какие части графика должны быть анимированы.
В строке 20 мы создаем наш объект анимации. Параметр blit гарантирует, что будут перерисованы только те части графика, которые были изменены.

Это основное понимание того, что стоит за созданием анимации в Matplotlib. Выполняя небольшие изменения в коде, можно добиться интересных визуализаций. Давайте рассмотрим несколько из них.

Спираль в matplotlib

Таким же образом мы можем воспользоваться отличным примером создания фигур от GeeksforGeeks. Давайте создадим движущуюся спираль, которая медленно вращается при помощи класса animation библиотеки matplotlib. Код весьма похож на код синусоиды с небольшими поправками.

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

plt.style.use('dark_background')

fig = plt.figure()
ax = plt.axes(xlim=(-50, 50), ylim=(-50, 50))
line, = ax.plot([], [], lw=2)


# Функция инициализации.
def init():
    # создение пустого графа.
    line.set_data([], [])
    return line,


xdata, ydata = [], []


# функция анимации
def animate(i):
    t = 0.1 * i

    # x, y данные на графике
    x = t * np.sin(t)
    y = t * np.cos(t)

    # добавление новых точек в список точек осей x, y
    xdata.append(x)
    ydata.append(y)
    line.set_data(xdata, ydata)
    return line,


# Заголовок анимации
plt.title('Создаем спираль в matplotlib')
# Скрываем лишние данные
plt.axis('off')

# Вызов анимации.
anim = animation.FuncAnimation(fig, animate, init_func=init,
                               frames=500, interval=20, blit=True)

# Сохраняем анимацию как gif файл
anim.save('coil.gif', writer='imagemagick')

import matplotlib.pyplot as plt

import matplotlib.animation as animation

import numpy as np

plt.style.use('dark_background')

fig = plt.figure()

ax = plt.axes(xlim=(-50, 50), ylim=(-50, 50))

line, = ax.plot([], [], lw=2)

# Функция инициализации.

def init():

# создение пустого графа.

line.set_data([], [])

return line,

xdata, ydata = [], []

# функция анимации

def animate(i):

t = 0.1 * i

# x, y данные на графике

x = t * np.sin(t)

y = t * np.cos(t)

# добавление новых точек в список точек осей x, y

xdata.append(x)

ydata.append(y)

line.set_data(xdata, ydata)

return line,

# Заголовок анимации

plt.title('Создаем спираль в matplotlib')

# Скрываем лишние данные

plt.axis('off')

# Вызов анимации.

anim = animation.FuncAnimation(fig, animate, init_func=init,

frames=500, interval=20, blit=True)

# Сохраняем анимацию как gif файл

anim.save('coil.gif', writer='imagemagick')

Обновляемые графики в matplotlib

Обновляемые графики могут понадобиться, когда дело доходит до построения динамических величин, таких как данные о стоках, данные датчиков, и другие нестационарные данные. Мы построим простой график, который автоматически будет обновляться с появлением новых данных в системе.

Давайте составим график стоковых цен за месяц в гипотетической компании.

import matplotlib.pyplot as plt
import matplotlib.animation as animation

plt.style.use('dark_background')

fig = plt.figure()
ax1 = fig.add_subplot(1, 1, 1)


def animate(i):
    data = open('stock.txt', 'r').read()
    lines = data.split('\n')
    xs = []
    ys = []

    for line in lines:
        x, y = line.split(',')  # Отделяем дату от цены
        xs.append(x)
        ys.append(float(y))

    ax1.clear()
    ax1.plot(xs, ys)

    plt.xlabel('Дата')
    plt.ylabel('Цена')
    plt.title('Обновляемые графики в matplotlib')


ani = animation.FuncAnimation(fig, animate, interval=1000)
plt.show()

import matplotlib.pyplot as plt

import matplotlib.animation as animation

plt.style.use('dark_background')

fig = plt.figure()

ax1 = fig.add_subplot(1, 1, 1)

def animate(i):

data = open('stock.txt', 'r').read()

lines = data.split('\n')

xs = []

ys = []

for line in lines:

x, y = line.split(',') # Отделяем дату от цены

xs.append(x)

ys.append(float(y))

ax1.clear()

ax1.plot(xs, ys)

plt.xlabel('Дата')

plt.ylabel('Цена')

plt.title('Обновляемые графики в matplotlib')

ani = animation.FuncAnimation(fig, animate, interval=1000)

plt.show()

Теперь, откроем терминал и запустим наш код. Вы получите график, наподобие того, что находится внизу, который будет автоматически обновляться:

Здесь интервал длится 1000 миллисекунд, или одну секунду.

Анимирование 3D графика в matplotlib

Создание трехмерных графиков — обычное дело, но что если мы попробуем анимировать угол обзора таких графиков? Суть в изменении угла обзора камеры и использовать каждое итоговое изображение для создания анимации. Есть хороший раздел, посвященный данному вопросу в Python Graph Gallery.

Создайте папку под названием frames в том же каталоге, где расположен notebook. Все изображения будут храниться в этой папке, а затем будут использованы в анимации.

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import pandas as pd

# Скачиваем данные для графика.
url = 'https://python-scripts.com/wp-content/uploads/2019/3d-data.csv'
data = pd.read_csv(url)

# Преобразуем его в длинный формат
df = data.unstack().reset_index()
df.columns=["X", "Y", "Z"]

# Переименовываем старые названия столбцов в числовой формат.
df['X'] = pd.Categorical(df['X'])
df['X'] = df['X'].cat.codes

# Мы собираемся сделать 20 графиков, для 20 разных углов
for angle in range(70, 210, 2):
    fig = plt.figure()
    ax = fig.gca(projection='3d')
    ax.plot_trisurf(df['Y'], df['X'], df['Z'], cmap=plt.cm.viridis, linewidth=0.2)

    ax.view_init(30, angle)

    filename = 'frames/step'+str(angle)+'.png'
    plt.savefig(filename, dpi=96)
    plt.gca()

from mpl_toolkits.mplot3d import Axes3D

import matplotlib.pyplot as plt

import pandas as pd

# Скачиваем данные для графика.

url = 'https://python-scripts.com/wp-content/uploads/2019/3d-data.csv'

data = pd.read_csv(url)

# Преобразуем его в длинный формат

df = data.unstack().reset_index()

df.columns=["X", "Y", "Z"]

# Переименовываем старые названия столбцов в числовой формат.

df['X'] = pd.Categorical(df['X'])

df['X'] = df['X'].cat.codes

# Мы собираемся сделать 20 графиков, для 20 разных углов

for angle in range(70, 210, 2):

fig = plt.figure()

ax = fig.gca(projection='3d')

ax.plot_trisurf(df['Y'], df['X'], df['Z'], cmap=plt.cm.viridis, linewidth=0.2)

ax.view_init(30, angle)

filename = 'frames/step'+str(angle)+'.png'

plt.savefig(filename, dpi=96)

plt.gca()

Так мы создадим несколько файлов PNG в папке frames. Теперь, используем ImageMagick для трансформации изображений в анимацию. Открываем терминал и переходим к папке frames и вводим следующую команду:

convert -delay 10 step*.png animated_3d.gif

1	convert -delay 10 step*.png animated_3d.gif

Анимация и модуль Celluloid

Celluloid — это модуль Python, который упрощает процесс создания анимаций в matplotlib. Эта библиотека создает фигуру matplotlib и создает из нее камеру. Далее она снова использует фигуру, и по мере создания каждого кадра, делает скриншот нашей камерой. Наконец, анимация создается со всеми сохраненными кадрами.

Установка:

pip3 install celluloid

1	pip3 install celluloid

Несколько примеров использования модуля Celluloid.

Минимум

from matplotlib import pyplot as plt
from celluloid import Camera

fig = plt.figure()
camera = Camera(fig)

for i in range(10):
    plt.plot([i] * 10)
    camera.snap()

animation = camera.animate()
animation.save('celluloid_minimal.gif', writer = 'imagemagick')

from matplotlib import pyplot as plt

from celluloid import Camera

fig = plt.figure()

camera = Camera(fig)

for i in range(10):

plt.plot([i] * 10)

camera.snap()

animation = camera.animate()

animation.save('celluloid_minimal.gif', writer = 'imagemagick')

Подграфики

import numpy as np
from matplotlib import pyplot as plt
from celluloid import Camera

fig, axes = plt.subplots(2)
camera = Camera(fig)

t = np.linspace(0, 2 * np.pi, 128, endpoint=False)
for i in t:
    axes[0].plot(t, np.sin(t + i), color='blue')
    axes[1].plot(t, np.sin(t - i), color='blue')
    camera.snap()
    
animation = camera.animate()  
animation.save('celluloid_subplots.gif', writer = 'imagemagick')

import numpy as np

from matplotlib import pyplot as plt

from celluloid import Camera

fig, axes = plt.subplots(2)

camera = Camera(fig)

t = np.linspace(0, 2 * np.pi, 128, endpoint=False)

for i in t:

axes[0].plot(t, np.sin(t + i), color='blue')

axes[1].plot(t, np.sin(t - i), color='blue')

camera.snap()

animation = camera.animate()

animation.save('celluloid_subplots.gif', writer = 'imagemagick')

Легенды

import matplotlib
from matplotlib import pyplot as plt
from celluloid import Camera

fig = plt.figure()

camera = Camera(fig)
for i in range(20):
    t = plt.plot(range(i, i + 5))
    plt.legend(t, [f'line {i}'])
    camera.snap()

animation = camera.animate()
animation.save('celluloid_legends.gif', writer = 'imagemagick')

import matplotlib

from matplotlib import pyplot as plt

from celluloid import Camera

fig = plt.figure()

camera = Camera(fig)

for i in range(20):

t = plt.plot(range(i, i + 5))

plt.legend(t, [f'line {i}'])

camera.snap()

animation = camera.animate()

animation.save('celluloid_legends.gif', writer = 'imagemagick')

Подведем итоги

Анимации помогают осветить определенные аспекты визуализации, которые никак не могут быть связаны со статическими графиками. Также стоит упомянуть то, что излишнее и бессмысленное использование визуализаций может усложнить работу. Каждая функция в визуализации данных должна использоваться разумно, чтобы получился лучший эффект.

Vasile Buldumac

Являюсь администратором нескольких порталов по обучению языков программирования Python, Golang и Kotlin. В составе небольшой команды единомышленников, мы занимаемся популяризацией языков программирования на русскоязычную аудиторию. Большая часть статей была адаптирована нами на русский язык и распространяется бесплатно.

E-mail: vasile.buldumac@ati.utm.md

Образование
Universitatea Tehnică a Moldovei (utm.md)

2014 — 2018 Технический Университет Молдовы, ИТ-Инженер. Тема дипломной работы «Автоматизация покупки и продажи криптовалюты используя технический анализ»
2018 — 2020 Технический Университет Молдовы, Магистр, Магистерская диссертация «Идентификация человека в киберпространстве по фотографии лица»