数据可视化之美-动态图绘制【补充】（以Python为工具）

前面的作品可见：
数据可视化之美-动态图绘制（以Python为工具）

最近中了绘制动态图的毒，根本停不下来。

该篇博文是对上篇博文补充一些案例，并阐述一些绘图的优化。

绘动图之前准备工作

在运行程序之前，要确保 ImageMagic 安装好【下载链接】，然后就可以通过python的绘图工具包 matplotlib 保存 gif。
具体的安装教程可以见这篇博客【ImageMagic 安装教程】，准备工作完成了，然后就可以测试我们的案例了（包括上一篇博客的案例，以及这篇博客的案例）。见下。

Test1：简单的Matplotlib 画 GIF 动图

图里的散点部分是不变的；变的是直线
也可以在图中添加其他元素，如时间（设置这些元素的变化）
我在这里优化了图的分辨率，使得GIF看起来更高清，见下面的代码串

anim.save('Test1_v1.gif', dpi=600, writer='imagemagick')

绘图所有的代码串见下：

import sys
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
# import seabornfig, ax = plt.subplots()
fig.set_tight_layout(True)#  询问图形在屏幕上的尺寸和DPI（每英寸点数）。
#  注意当我们把图形储存成一个文件时，我们需要再另外提供一个DPI值
print('fig size: {0} DPI, size in inches {1}'.format(fig.get_dpi(), fig.get_size_inches()))# 画出一个维持不变（不会被重画）的散点图和一开始的那条直线。
x = np.arange(0, 20, 0.1)
ax.scatter(x, x + np.random.normal(0, 3.0, len(x)))
line, = ax.plot(x, x - 5, 'r-', linewidth=2)def update(i):label = 'timestep {0}'.format(i)print(label)# 更新直线和x轴（用一个新的x轴的标签）。# 用元组（Tuple）的形式返回在这一帧要被重新绘图的物体line.set_ydata(x - 5 + i)# ax.set_xlabel(label)return line, axif __name__ == '__main__':# FuncAnimation 会在每一帧都调用“update” 函数。# 在这里设置一个10帧的动画，每帧之间间隔200毫秒anim = FuncAnimation(fig, update, frames=np.arange(0, 10), interval=200)anim.save('Test1_v1.gif', dpi=600, writer='imagemagick')plt.show()

Test2：双摆问题

双摆是一个很经典的没有解析解的物理模型，如果对双摆公式感兴趣可见University of Sydney的物理专业的网页页面【双摆问题的介绍】：

底下这串代码也是通过更新数据的形式来更新动图里面的元素。见该部分

line.set_data(thisx, thisy)
time_text.set_text(time_template % (i*dt))

最终绘图所有的代码见下：

from numpy import sin, cos
import numpy as np
import matplotlib.pyplot as plt
import scipy.integrate as integrate
import matplotlib.animation as animationG = 9.8  # acceleration due to gravity, in m/s^2
L1 = 1.0  # length of pendulum 1 in m
L2 = 1.0  # length of pendulum 2 in m
M1 = 1.0  # mass of pendulum 1 in kg
M2 = 1.0  # mass of pendulum 2 in kgdef derivs(state, t):dydx = np.zeros_like(state)dydx[0] = state[1]del_ = state[2] - state[0]den1 = (M1 + M2)*L1 - M2*L1*cos(del_)*cos(del_)dydx[1] = (M2*L1*state[1]*state[1]*sin(del_)*cos(del_) +M2*G*sin(state[2])*cos(del_) +M2*L2*state[3]*state[3]*sin(del_) -(M1 + M2)*G*sin(state[0]))/den1dydx[2] = state[3]den2 = (L2/L1)*den1dydx[3] = (-M2*L2*state[3]*state[3]*sin(del_)*cos(del_) +(M1 + M2)*G*sin(state[0])*cos(del_) -(M1 + M2)*L1*state[1]*state[1]*sin(del_) -(M1 + M2)*G*sin(state[2]))/den2return dydx# create a time array from 0..100 sampled at 0.05 second steps
dt = 0.05
t = np.arange(0.0, 20, dt)# th1 and th2 are the initial angles (degrees)
# w10 and w20 are the initial angular velocities (degrees per second)
th1 = 120.0
w1 = 0.0
th2 = -10.0
w2 = 0.0# initial state
state = np.radians([th1, w1, th2, w2])# integrate your ODE using scipy.integrate.
y = integrate.odeint(derivs, state, t)x1 = L1*sin(y[:, 0])
y1 = -L1*cos(y[:, 0])x2 = L2*sin(y[:, 2]) + x1
y2 = -L2*cos(y[:, 2]) + y1fig = plt.figure()
ax = fig.add_subplot(111, autoscale_on=False, xlim=(-2, 2), ylim=(-2, 2))
ax.set_aspect('equal')
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():line.set_data([], [])time_text.set_text('')return line, time_textdef animate(i):thisx = [0, x1[i], x2[i]]thisy = [0, y1[i], y2[i]]line.set_data(thisx, thisy)time_text.set_text(time_template % (i*dt))return line, time_textani = animation.FuncAnimation(fig, animate, np.arange(1, len(y)),interval=25, blit=True, init_func=init)ani.save("dp-test2.gif", writer="imagemagick")
plt.show()

Test3：一次性更新多个对象

在这里也优化调整分辨率
matplotlib的Funcanimation类，虽然简单，但是遇到一次性调整多个artist的问题是，会变得相当棘手，比如一次更新多个点的位置，使用Funcanimation就不太香了【上面的2个案例均是一次更新1个对象，所以用Funcanimation】，使用ArtistAnimation可以帮助我们在每一帧，更新若干个artist对象。
ArtistAnimation是基于帧artist的一种动画创建方法，每一帧对应着一个artist的list，这些artist只会在这一帧显示，而所有的这些list组成一个大list，名叫artists，这个大list的每一个子list代表着每一帧的所有artist对象，从而渲染完整的动画。

import matplotlib.pyplot as plt
import matplotlib.animation as animationif __name__ == '__main__':x = [1,2,3,4,5,6,7,8,9,10]y = [1,2,3,4,5,6,7,8,9,10]fig = plt.figure()plt.xlim(0, 11)plt.ylim(0, 20)artists = []# 总共10帧，每帧10个点for i in range(10):frame = []for j in range(10):frame += plt.plot(x[j], y[j]+i, "o")    # 注意这里要+=，对列表操作而不是appandartists.append(frame)ani = animation.ArtistAnimation(fig=fig, artists=artists, repeat=False, interval=10)plt.show()ani.save('test.gif', dpi=600, fps=30)

Test4：雨滴模拟

该图是用Matplotlib实现的雨滴模拟，来源于Nicolas P. Rougier

但自己的电脑显示出了一些渲染问题（边框的图案有点问题），这部分问题可能和个人电脑相关，暂时想不到解决方案：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation# Fixing random state for reproducibility
np.random.seed(19680801)# Create new Figure and an Axes which fills it.
fig = plt.figure(figsize=(7, 7))
ax = fig.add_axes([0, 0, 1, 1], frameon=False)
ax.set_xlim(0, 1), ax.set_xticks([])
ax.set_ylim(0, 1), ax.set_yticks([])# Create rain data
n_drops = 50
rain_drops = np.zeros(n_drops, dtype=[('position', float, 2),('size',     float, 1),('growth',   float, 1),('color',    float, 4)])# Initialize the raindrops in random positions and with
# random growth rates.
rain_drops['position'] = np.random.uniform(0, 1, (n_drops, 2))
rain_drops['growth'] = np.random.uniform(50, 200, n_drops)# Construct the scatter which we will update during animation
# as the raindrops develop.
scat = ax.scatter(rain_drops['position'][:, 0], rain_drops['position'][:, 1],s=rain_drops['size'], lw=0.5, edgecolors=rain_drops['color'],facecolors='none')def update(frame_number):# Get an index which we can use to re-spawn the oldest raindrop.current_index = frame_number % n_drops# Make all colors more transparent as time progresses.rain_drops['color'][:, 3] -= 1.0/len(rain_drops)rain_drops['color'][:, 3] = np.clip(rain_drops['color'][:, 3], 0, 1)# Make all circles bigger.rain_drops['size'] += rain_drops['growth']# Pick a new position for oldest rain drop, resetting its size,# color and growth factor.rain_drops['position'][current_index] = np.random.uniform(0, 1, 2)rain_drops['size'][current_index] = 5rain_drops['color'][current_index] = (0, 0, 0, 1)rain_drops['growth'][current_index] = np.random.uniform(50, 200)# Update the scatter collection, with the new colors, sizes and positions.scat.set_edgecolors(rain_drops['color'])scat.set_sizes(rain_drops['size'])scat.set_offsets(rain_drops['position'])# Construct the animation, using the update function as the animation director.
animation = FuncAnimation(fig, update, interval=10)
# plt.show()
animation.save('example4.gif', dpi=100, writer='pillow')

Other Test

还有一些其他的动图案例，如：柱状图的动画，脉冲星的假信号频率的比较路径演示，运动中流体中的流线绘制，等等，其原理大同小异。

最近还看到了2个优秀的动图可视化作品，拿出来分享一下。

优秀作品1

优秀作品2

References：

【1】 Python Matplotlib官网
【2】数据可视化之美-动态图绘制（以Python为工具）