如何高效地使用Matplotlib？
全文共2153字，預(yù)計(jì)學(xué)習(xí)時(shí)長(zhǎng)4分鐘或更長(zhǎng)
用Matplotlib模擬雨
動(dòng)畫(huà)是呈現(xiàn)各種現(xiàn)象的有趣方式。在描述像過(guò)去幾年的股票價(jià)格、過(guò)去十年的氣候變化、季節(jié)性和趨勢(shì)等時(shí)間序列數(shù)據(jù)時(shí)，與靜態(tài)圖相比，動(dòng)畫(huà)更能說(shuō)明問(wèn)題。因?yàn)?，從?dòng)畫(huà)中，我們可以看到特定參數(shù)是如何隨時(shí)間而變化的。
上圖是模擬雨的圖像。此圖由Matplotlib繪圖庫(kù)繪制而成，該繪圖庫(kù)常常被認(rèn)為是python可視化數(shù)據(jù)包的原始數(shù)據(jù)組。Matplotlib通過(guò)50個(gè)分散點(diǎn)的比例和不透明度來(lái)模擬雨滴落在平面上的情景。如今，Plotly、Bokeh、Altair等一系列可視化工具均為Python中強(qiáng)大的可視化工具。這些庫(kù)可實(shí)現(xiàn)最先進(jìn)的動(dòng)畫(huà)和交互動(dòng)作。但是，本文重點(diǎn)在于研究數(shù)據(jù)庫(kù)的一個(gè)方面——?jiǎng)赢?huà)。同時(shí)，我們也將關(guān)注實(shí)現(xiàn)動(dòng)畫(huà)的方法。
概述Matplotlib是一個(gè) Python 的 2D繪圖庫(kù)，也是Python中最受歡迎的繪圖數(shù)據(jù)庫(kù)。大多數(shù)人在踏上數(shù)據(jù)可視化之旅時(shí)，都是首選Matplotlib。這是因?yàn)樗珊?jiǎn)單地生成繪圖，直方圖、功率譜、條形圖、錯(cuò)誤圖、散點(diǎn)圖等。不僅如此，它還無(wú)縫連接了Pandas、Seaborn等數(shù)據(jù)庫(kù)，甚至創(chuàng)建出更為復(fù)雜的可視化數(shù)據(jù)。
Matplotlib有幾大優(yōu)點(diǎn)：
· 其構(gòu)造和MATLAB(矩陣實(shí)驗(yàn)室)類(lèi)似，所以?xún)烧唛g易于切換
· 包含許多后端渲染
· 可以快速生成繪圖
· 已存在數(shù)十年以上，因此，有大量的用戶(hù)基礎(chǔ)
但是，Matplotlib除了這些優(yōu)點(diǎn)之外，也有許多不足之處：
· Matplotlib常常不可避免地存在冗繁的API（應(yīng)用程序編程接口）
· 有時(shí)默認(rèn)樣式設(shè)計(jì)不如人意
· 對(duì)web和交互式圖表的支持較低
· 處理大型及復(fù)雜的數(shù)據(jù)時(shí)速度常常較慢
對(duì)于進(jìn)修者來(lái)說(shuō)，Datacamp中有關(guān)于Matplotlib的必備知識(shí)可以幫助提高基礎(chǔ)知識(shí)。
動(dòng)畫(huà)Matplotlib的動(dòng)畫(huà)基類(lèi)負(fù)責(zé)處理動(dòng)畫(huà)部分。其可提供構(gòu)建動(dòng)畫(huà)功能的框架。有兩個(gè)主要接口來(lái)實(shí)現(xiàn)此功能：
FuncAnimation：通過(guò)反復(fù)觸發(fā)func.功能創(chuàng)建動(dòng)畫(huà)。
ArtistAnimation：利用已定義的Artist對(duì)象創(chuàng)建動(dòng)畫(huà)。
但是，在上述兩種接口中，F(xiàn)uncAnimation更為方便。我們專(zhuān)注于FuncAnimation工具的研究。
要求
· 安裝numpy和matplotlib模塊。
· 安裝符合要求的 ffmpeg 或imagemagick方可將動(dòng)畫(huà)以mp4或gif的形式儲(chǔ)存。
一切準(zhǔn)備就緒，就可以開(kāi)始在JupyterNotebooks中制作第一個(gè)基本動(dòng)畫(huà)了。本文的訪(fǎng)問(wèn)密碼可在GithubRepository中獲取。
基本動(dòng)畫(huà)：移動(dòng)的正弦波
在電腦中，利用FuncAnimation創(chuàng)建正弦波的基本動(dòng)畫(huà)。動(dòng)畫(huà)源代碼可在Matplotlib動(dòng)畫(huà)教程中獲取。先來(lái)看看輸出代碼，然后將其破譯，并了解其中奧妙。
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')
· 在第7行到第9行，簡(jiǎn)單地創(chuàng)建一個(gè)圖形窗口，圖中只有一個(gè)軸。然后，創(chuàng)建無(wú)內(nèi)容的行對(duì)象，其本質(zhì)上是在動(dòng)畫(huà)中可修改的對(duì)象。稍后用數(shù)據(jù)來(lái)填充行對(duì)象。
· 在第11行到13行，創(chuàng)建init函數(shù)，觸發(fā)動(dòng)畫(huà)發(fā)生。此函數(shù)初始化數(shù)據(jù)，并限定軸范圍。
· 最后，在第14行到第18行，定義動(dòng)畫(huà)函數(shù)，該函數(shù)以幀數(shù)（i）作為參數(shù)，并創(chuàng)建一個(gè)正弦波（或任意其他的動(dòng)畫(huà)），而其移動(dòng)取決于i的值。此函數(shù)返回一個(gè)已修改的plot對(duì)象的元組，告知?jiǎng)赢?huà)框架plot中哪些部分需要?jiǎng)赢?huà)化。
· 在第20 行，創(chuàng)建實(shí)際的動(dòng)畫(huà)對(duì)象。Blit參數(shù)確保只重新繪制已更改的部分。
· 這是在Matplolib中創(chuàng)建動(dòng)畫(huà)的基本知識(shí)。只需對(duì)代碼稍作調(diào)整，就可以創(chuàng)建出一些有趣的可視化。接下來(lái)看看其中一些可視化的例子吧。
一個(gè)不斷擴(kuò)大的線(xiàn)圈同樣，在GreeksforGreeks中，有一個(gè)創(chuàng)建圖形的好例子。我們一起在animation模塊的幫助下創(chuàng)造一個(gè)緩慢展開(kāi)的活動(dòng)線(xiàn)圈。該代碼和正弦波圖極為相似，只有一些小調(diào)整。
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)
# initialization function
def init():
# creating an empty plot/frame
line.set_data([], [])
return line,
# lists to store x and y axis points
xdata, ydata = [], []
# animation function
def animate(i):
# t is a parameter
t = 0.1*i
# x, y values to be plotted
x = t*np.sin(t)
y = t*np.cos(t)
# appending new points to x, y axes points list
xdata.append(x)
ydata.append(y)
line.set_data(xdata, ydata)
return line,
# setting a title for the plot
plt.title('Creating a growing coil with matplotlib!')
# hiding the axis details
plt.axis('off')
# call the animator
anim = animation.FuncAnimation(fig, animate, init_func=init,
frames=500, interval=20, blit=True)
# save the animation as mp4 video file
anim.save('coil.gif',writer='imagemagick')
實(shí)時(shí)更新圖繪制股票數(shù)據(jù)、傳感器數(shù)據(jù)等其他與時(shí)間相關(guān)的動(dòng)態(tài)數(shù)據(jù)時(shí)，實(shí)時(shí)更新圖就會(huì)派上用場(chǎng)。我們繪制一個(gè)基圖，在更多的數(shù)據(jù)被輸入系統(tǒng)后，基圖就會(huì)自動(dòng)更新。現(xiàn)在，來(lái)繪制某假定公司某月內(nèi)的股價(jià)圖。
#importing libraries
import matplotlib.pyplot as plt
import matplotlib.animation as animation
fig = plt.figure()
#creating a subplot
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(',') # Delimiter is comma
xs.append(float(x))
ys.append(float(y))
ax1.clear()
ax1.plot(xs, ys)
plt.xlabel('Date')
plt.ylabel('Price')
plt.title('Live graph with matplotlib')
ani = animation.FuncAnimation(fig, animate, interval=1000)
plt.show()
現(xiàn)在，打開(kāi)終端并運(yùn)行python文件，可以得到如下所示可自動(dòng)更新的圖表：
其更新的時(shí)間間隔是1000毫秒或一秒。
3D圖中的動(dòng)畫(huà)創(chuàng)建3D圖形十分常見(jiàn)，但是如果可以將這些圖形視角動(dòng)畫(huà)化呢?其方法是，在改變相機(jī)視圖后，利用生成后的所有圖像來(lái)創(chuàng)建動(dòng)畫(huà)。而在PythonGraph Gallery（Python圖形庫(kù)）中有個(gè)專(zhuān)門(mén)的部分可以完成這類(lèi)工作。
首先創(chuàng)建一個(gè)名為volcano的文件夾，放在與記事本相同的目錄中。然后，將所有會(huì)用于動(dòng)畫(huà)化的圖形儲(chǔ)存在該文件夾中。
# library
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
# Get the data (csv file is hosted on the web)
url = 'https://python-graph-gallery.com/wp-content/uploads/volcano.csv'
data = pd.read_csv(url)
# Transform it to a long format
df=data.unstack().reset_index()
df.columns=["X","Y","Z"]
# And transform the old column name in something numeric
df['X']=pd.Categorical(df['X'])
df['X']=df['X'].cat.codes
# We are going to do 20 plots, for 20 different angles
for angle in range(70,210,2):
# Make the plot
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='Volcano/Volcano_step'+str(angle)+'.png'
plt.savefig(filename, dpi=96)
plt.gca()
這樣就可以在Volcano文件夾中創(chuàng)建多個(gè)PNG文件。接著，利用ImageMagick（一個(gè)創(chuàng)建、編輯、合成圖片的軟件）將這些PNG文件轉(zhuǎn)化成動(dòng)畫(huà)。打開(kāi)終端并導(dǎo)向Volcano文件夾，輸入以下指令：
convert -delay 10 Volcano*
.pnganimated_volcano.gif
利用Celluloid模塊動(dòng)畫(huà)化Celluloid是python中的一個(gè)模塊，其在matplotlib中可簡(jiǎn)化創(chuàng)建動(dòng)畫(huà)的進(jìn)程。這個(gè)庫(kù)創(chuàng)建一個(gè)matplotlib圖并從中創(chuàng)建相機(jī)。然后，重新啟用該圖，并在創(chuàng)建每幀動(dòng)畫(huà)后，用上述相機(jī)拍快照。最后，利用所有捕捉到的幀創(chuàng)建動(dòng)畫(huà)。
安裝
pip install celluloid
下面是利用Celluloid模塊的例子：
極小值
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')
子圖
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')
圖例
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')
留言 點(diǎn)贊 關(guān)注
我們一起分享AI學(xué)習(xí)與發(fā)展的干貨
歡迎關(guān)注全平臺(tái)AI垂類(lèi)自媒體 “讀芯術(shù)”
