失眠网 > 【Matplotlib】matplotlib.animation.FuncAnimation绘制动态图交互式绘图汇总（附官方文档）

【Matplotlib】matplotlib.animation.FuncAnimation绘制动态图交互式绘图汇总（附官方文档）

时间：2020-08-29 20:22:02

文章目录

零、文中用到的相关知识：一、以sin举例，motplotlib绘制动图1、绘制sin函数2、动态画出sin函数曲线3、点在曲线上运动4、点，坐标运动二、单摆例子1、scipy中odeint函数用法2、单摆例子三、滚动的球的例子四、动态条形图五、动态折线图六、交互式绘图七、交互式绘图、混淆矩阵可视化参考

零、文中用到的相关知识：

matplotlib官方文档matplotlib官方文档(推荐)matplotlib.pyplot.plotmatplotlib.pyplot.tight_layoutmatplotlib.pyplot.textmatplotlib.animation.FuncAnimationmatplotlib.animation.Animation.savepython带括号（实例化）和不带括号（赋值）的区别

matplotlib.pyplot.plot()参数详解函数FuncAnimation

函数FuncAnimation(fig,func,frames,init_func,interval,blit)是绘制动图的主要函数，其参数如下：a.fig 绘制动图的画布名称`b.func自定义动画函数，即下边程序定义的函数updatec.frames动画长度，一次循环包含的帧数，在函数运行时，其值会传递给函数update(n)的形参“n”d.init_func自定义开始帧，即传入刚定义的函数init,初始化函数e.interval更新频率，以ms计f.blit选择更新所有点，还是仅更新产生变化的点。应选择True，但mac用户请选择False，否则无法显

plt画布调整函数

# 调整画布里图像的位置plt.subplots_adjust(top=0.88,bottom=0.11,left=0.11,right=0.9,hspace=0.2,wspace=0.2)# 使图像在画布上尽可能大，贴着画布边缘plt.tight_layout()# 设置画布尺寸plt.figure(figsize=(11, 5.6))

说在前面，本文介绍了matplotlib两种绘图方式

- plot.pause

- animation

一、以sin举例，motplotlib绘制动图

1、绘制sin函数

# # 在绘制动画前，我们需将其sin函数的背景绘制出来。x = np.linspace(0, 2 * np.pi, 100)y = np.sin(x)# tight_layout 调整子图之间及其周围的填充。fig = plt.figure(tight_layout=True)plt.plot(x, y)plt.grid(ls="--")plt.savefig("sin_test1.png")plt.show()

2、动态画出sin函数曲线

# 动态画出sin函数曲线import numpy as npimport matplotlib.pyplot as pltfrom matplotlib.animation import FuncAnimation# 生成子图，相当于fig = plt.figure(),ax = fig.add_subplot(),其中ax的函数参数表示把当前画布进行分割，fig, ax = plt.subplots()xdata, ydata = [], []ln, = ax.plot([], [], 'r-', animated=False)def init():ax.set_xlim(0, 2 * np.pi)ax.set_ylim(-1, 1)# 返回曲线return ln,def update(frame):# 将每次传过来的n追加到xdata中xdata.append(frame)ydata.append(np.sin(frame))# 重新设置曲线的值ln.set_data(xdata, ydata)return ln,'''函数FuncAnimation(fig,func,frames,init_func,interval,blit)是绘制动图的主要函数，其参数如下：a.fig 绘制动图的画布名称b.func自定义动画函数，即下边程序定义的函数updatec.frames动画长度，一次循环包含的帧数，在函数运行时，其值会传递给函数update(n)的形参“n”d.init_func自定义开始帧，即传入刚定义的函数init,初始化函数e.interval更新频率，以ms计f.blit选择更新所有点，还是仅更新产生变化的点。应选择True，但mac用户请选择False，否则无法显'''ani = FuncAnimation(fig=fig, func=update, frames=np.linspace(0, 2 * np.pi, 128),init_func=init, blit=True)plt.show()ani.save('sin_test1.gif', writer='imagemagick', fps=100)

3、点在曲线上运动

import numpy as npimport matplotlibimport matplotlib.pyplot as pltimport matplotlib.animation as animation# 首先定义了一个update_points函数，用于更新绘制的图中的数据点。此函数的输入参数num代表当前动画的第几帧，# 函数的返回，即为我们需要更新的对象，需要特别注意的是：reuturn point_ani,这个逗号一定加上，否则动画不能# 正常显示。当然这里面操作的点对象point_ani我们一般会提前声明得到：point_ani, = plt.plot(x[0], y[0], "ro")。# 接下来就是将此函数传入我们的FuncAnimation函数中，函数的参数说明可以参见官网，这里简要说明用到的几个参数。# 第1个参数fig：即为我们的绘图对象.# 第2个参数update_points：更新动画的函数.# 第3个参数np.arrange(0, 100)：动画帧数，这需要是一个可迭代的对象。# interval参数：动画的时间间隔。# blit参数：是否开启某种动画的渲染。def update_points(num):'''更新数据点'''point_ani.set_data(x[num], y[num])return point_ani,x = np.linspace(0, 2 * np.pi, 100)y = np.sin(x)fig = plt.figure(tight_layout=True)plt.plot(x, y)point_ani, = plt.plot(x[0], y[0], "ro")plt.grid(ls="--")# 开始制作动画ani = animation.FuncAnimation(fig, update_points, np.arange(0, 100), interval=100, blit=True)ani.save('sin_test2.gif', writer='imagemagick', fps=10)plt.show()

4、点，坐标运动

import numpy as npimport matplotlibimport matplotlib.pyplot as pltimport matplotlib.animation as animation# 我们可以往其中添加一些文本显示，或者在不同的条件下改变点样式。这其实也非常简单，# 只需在update_points函数中添加一些额外的，你想要的效果代码即可。# 我在上面update_points函数中添加了一个文本，让它显示点的(x, y)的坐标值，# 同时在不同的帧，改变了点的形状，让它在5的倍数帧显示为五角星形状。# def update_points(num):#if num % 5 == 0:# point_ani.set_marker("*")# point_ani.set_markersize(12)#else:# point_ani.set_marker("o")# point_ani.set_markersize(8)##point_ani.set_data(x[num], y[num])#text_pt.set_text("x=%.3f, y=%.3f" % (x[num], y[num]))#return point_ani, text_pt,# 再稍微改变一下，可以让文本跟着点动。只需将上面的代码update_points函数改为如下代码，其效果如图2-4所示。def update_points(num):point_ani.set_data(x[num], y[num])if num % 5 == 0:point_ani.set_marker("*")point_ani.set_markersize(12)else:point_ani.set_marker("o")point_ani.set_markersize(8)text_pt.set_position((x[num], y[num]))text_pt.set_text("x=%.3f, y=%.3f" % (x[num], y[num]))return point_ani, text_pt,x = np.linspace(0, 2 * np.pi, 100)y = np.sin(x)fig = plt.figure(tight_layout=True)plt.plot(x, y)point_ani, = plt.plot(x[0], y[0], "ro")plt.grid(ls="--")text_pt = plt.text(4, 0.8, '', fontsize=16)ani = animation.FuncAnimation(fig, update_points, np.arange(0, 100), interval=100, blit=True)ani.save('sin_test3.gif', writer='imagemagick', fps=10)plt.show()

（1）上述代码，第一个函数

（2）上述代码，第二个函数

二、单摆例子

1、scipy中odeint函数用法

odeint()函数是scipy库中一个数值求解微分方程的函数odeint()函数需要至少三个变量，第一个是微分方程函数，第二个是微分方程初值，第三个是微分的自变量。一个一阶微分方程例子

import numpy as npimport matplotlib.pyplot as pltfrom scipy.integrate import odeintdef diff(y, x):return np.array(x)# 上面定义的函数在odeint里面体现的就是dy/dx = xx = np.linspace(-5, 5, 100) # 给出x范围y = odeint(diff, 0, x) # 设初值为0 此时y为一个数组，元素为不同x对应的y值# 也可以直接y = odeint(lambda y, x: x, 0, x)plt.plot(x, y[:, 0]) # y数组（矩阵）的第一列，（因为维度相同，plt.plot(x, y)效果相同）plt.grid()plt.savefig("odeint.png")plt.show()

2、单摆例子

# -*- coding: utf-8 -*-from math import sin, cosimport numpy as npfrom scipy.integrate import odeintimport matplotlib.pyplot as pltimport matplotlib.animation as animationg = 9.8leng = 1.0b_const = 0.2# no decay case:def pendulum_equations1(w, t, l):th, v = wdth = vdv = - g/l * sin(th)return dth, dv# the decay exist case:def pendulum_equations2(w, t, l, b):th, v = wdth = vdv = -b/l * v - g/l * sin(th)return dth, dvt = np.arange(0, 20, 0.1)track = odeint(pendulum_equations1, (1.0, 0), t, args=(leng,))#track = odeint(pendulum_equations2, (1.0, 0), t, args=(leng, b_const))xdata = [leng*sin(track[i, 0]) for i in range(len(track))]ydata = [-leng*cos(track[i, 0]) for i in range(len(track))]fig, ax = plt.subplots()ax.grid()line, = ax.plot([], [], 'o-', lw=2)time_template = 'time = %.1fs'time_text = ax.text(0.05, 0.9, '', transform=ax.transAxes)def init():ax.set_xlim(-2, 2)ax.set_ylim(-2, 2)time_text.set_text('')return line, time_textdef update(i):newx = [0, xdata[i]]newy = [0, ydata[i]]line.set_data(newx, newy)time_text.set_text(time_template %(0.1*i))return line, time_textani = animation.FuncAnimation(fig, update, range(1, len(xdata)), init_func=init, interval=50)#ani.save('single_pendulum_decay.gif', writer='imagemagick', fps=100)ani.save('single_pendulum_nodecay.gif', writer='imagemagick', fps=100)plt.show()

三、滚动的球的例子

import numpy as np import matplotlib.pyplot as plt import matplotlib.animation as animationfig = plt.figure(figsize=(6, 6))ax = plt.gca()ax.grid()ln1, = ax.plot([], [], '-', lw=2)ln2, = ax.plot([], [], '-', color='r', lw=2)theta = np.linspace(0, 2*np.pi, 100)r_out = 1r_in = 0.5def init():ax.set_xlim(-2, 2)ax.set_ylim(-2, 2)x_out = [r_out*np.cos(theta[i]) for i in range(len(theta))]y_out = [r_out*np.sin(theta[i]) for i in range(len(theta))]ln1.set_data(x_out, y_out)return ln1,def update(i):x_in = [(r_out-r_in)*np.cos(theta[i])+r_in*np.cos(theta[j]) for j in range(len(theta))]y_in = [(r_out-r_in)*np.sin(theta[i])+r_in*np.sin(theta[j]) for j in range(len(theta))]ln2.set_data(x_in, y_in)return ln2,ani = animation.FuncAnimation(fig, update, range(len(theta)), init_func=init, interval=30)ani.save('roll.gif', writer='imagemagick', fps=100)plt.show()

四、动态条形图

动态条形图

基本原理是将数据放入数组，然后每次往数组里面增加一个数，清除之前的图，重新画出图像。

import matplotlib.pyplot as pltfig, ax = plt.subplots()y1 = []for i in range(50):y1.append(i) # 每迭代一次，将i放入y1中画出来ax.cla() # 清除键ax.bar(y1, label='test', height=y1, width=0.3)ax.legend()plt.pause(0.1)

五、动态折线图

import numpy as npimport matplotlib.pyplot as pltplt.axis([0, 100, 0, 1])plt.ion()xs = [0, 0]ys = [1, 1]for i in range(100):y = np.random.random()xs[0] = xs[1]ys[0] = ys[1]xs[1] = iys[1] = yplt.plot(xs, ys)plt.pause(0.1)

六、交互式绘图

绘图语句中加入pl.ion()时，表示打开了交互模式。此时python解释器解释完所有命令后，给你出张图，但不会结束会话，而是等着你跟他交流交流。如果你继续往代码中加入语句，run之后，你会实时看到图形的改变。当绘图语句中加入pl.ioff()时或不添加pl.ion()时，表示打关了交互模式。此时要在代码末尾加入pl.show()才能显示图片。python解释器解释完所有命令后，给你出张图，同时结束会话。如果你继续往代码中加入语句，再不会起作用，除非你关闭当前图片，重新run。

# -*- coding: utf-8 -*-import matplotlib.pyplot as pltfrom matplotlib.patches import Circleimport numpy as npimport mathplt.close() # clf() # 清图 cla() # 清坐标轴 close() # 关窗口fig = plt.figure()ax = fig.add_subplot(1, 1, 1)ax.axis("equal") # 设置图像显示的时候XY轴比例plt.grid(True) # 添加网格plt.ion() # interactive mode onIniObsX = 0000IniObsY = 4000IniObsAngle = 135IniObsSpeed = 10 * math.sqrt(2) # 米/秒print('开始仿真')try:for t in range(180):# 障碍物船只轨迹obsX = IniObsX + IniObsSpeed * math.sin(IniObsAngle / 180 * math.pi) * tobsY = IniObsY + IniObsSpeed * math.cos(IniObsAngle / 180 * math.pi) * tax.scatter(obsX, obsY, c='b', marker='.') # 散点图# ax.lines.pop(1) 删除轨迹# 下面的图,两船的距离plt.pause(0.001)except Exception as err:print(err)

七、交互式绘图、混淆矩阵可视化

import numpy as npimport matplotlib.pyplot as pltfrom matplotlib.widgets import Slideromega = 1.0x = np.arange(1000) / 200y = np.sin(omega * x)F = plt.figure() # 创建一个Figureaxes_for_plot = F.add_axes([0.2, 0.2, 0.6, 0.6]) # 增加一个Axes，用于绘图plot_object, = axes_for_plot.plot(x, y) # 在这个Axes上绘图def slider_event(event):new_omega = slider_object.val # 获取控件值new_y = np.sin(new_omega * x) # 计算更新后的数据plot_object.set_ydata(new_y) # 利用新数据更新已有的图axes_for_slider = F.add_axes([0.2, 0.05, 0.6, 0.05]) # 增加一个Axes，放置滑块slider_object = Slider(label='omega',valmin=0.1, valmax=2, valinit=1.0,ax=axes_for_slider)slider_object.on_changed(slider_event) # 为滑块绑定方法plt.show()