Python实践：画个动图玩玩，Python绘制GIF图总结

这期分享Python动图制作，可视化绘制动态图，主要用于分析数据的动态变化规律，非常好使，开干。

具体实现

功能需求

• 输入：不同时刻的一维数据，也即二维数据
• 过程：绘制每张图，并存入list
• 输出：一张gif图

实现思路

• 得到要绘制的不同帧横纵坐标轴数据
• 设立好图幅：坐标系、标题、标签等
• 绘制每张图，并用imageio存入list中
• 绘制完毕，将list中的每帧img，输出成gif

Python代码

demo代码如下：

import matplotlib
matplotlib.use('Agg') # 只绘图保存，不显示图片，一定要加在import后面
import matplotlib.pyplot as plt
import numpy as np
import imageio


def generate_gif_1(data, output_path):
    image_list = []
    ndata = np.array(data)
    row, col = ndata.shape
    x = range(col)
    for i in range(row):
        # plot curves
        # plt.figure(i)
        plt.clf()  # 清除上一幅图，如果不清，则图像不断叠加 clear figure
        plt.cla()  # 清除坐标轴 clear axis
        plt.xlim(0, 12)   # x_min, x_max
        plt.ylim(0, 1.5)  # y_min, y_max
        plt.title('Val Distribu')
        plt.xlabel('Time')
        plt.ylabel('Val')
        plt.grid(linestyle='-.')

        # create gif
        y = ndata[i]
        plt.plot(x[:], y[:], 'b', lw=1)
        plt.savefig('temp.png')
        image_list.append(imageio.imread('temp.png'))
#        plt.show()
        plt.pause(0.1)
        plt.close()

    # save gif
    imageio.mimsave(output_path, image_list, 'GIF', duration=0.35)

if __name__ == "__main__":

    row = 10
    col = 20
    data = np.random.rand(row, col) # 随机生成row行，col列，0-1的数据
    output_path = './demo.gif'

    generate_gif_1(data, output_path)
    
    print('done!')

效果如下：

参考资料

1. 【Python可视化】matplotlib画动态曲线，link
2. 用python做GIF动画，让你的图表动起来， link

前言

想写数据动态可视化很久了，但是网上竟然没有一份能直接用的代码，昨天终于狠下心来死啃了一波开发者文档搞定了这部分，贴一篇blog记录一下希望可以帮到你。

思路

动图的核心函数是matplotlib.animation.FuncAnimation，基本用法：

​

anim = animation.funcanimation(fig, animate, init_func=init, frames=100, interval=20, blit=true)
# fig: 是我们创建的画布
# animat: 是重点，是我们每个时刻要更新图形对象的函数，返回值和init_func相同
# init_func: 初始化函数，其返回值就是每次都要更新的对象，
#    告诉FuncAnimation在不同时刻要更新哪些图形对象
# frames: 相当于时刻t，要模拟多少帧图画，不同时刻的t相当于animat的参数
# interval: 刷新频率，毫秒
# blit: blit是一个非常重要的关键字，它告诉动画只重绘修改的部分，结合上面保存的时间，
#    blit=true会使动画显示得会非常非常快

动图绘制的关键是动态更新数据并刷新图像，更新数据需要写一个animat函数，看具体实现：

实现

给出代码及对应注释，你应该会秒懂：

# -*-coding:utf-8-*-
import random
from matplotlib.backends.backend_agg import FigureCanvas
from matplotlib import pyplot as plt
from matplotlib import animation
import numpy as np
import seaborn as sns
from matplotlib.image import imread

gesture_i = [0] * 2200
gesture_q = [0] * 2200
acc_first = [0] * 6
acc_second = [0] * 6

acc_first_max_index = 0
acc_second_max_index = 0
acc_first_max = 0
acc_second_max = 0

cur_data_count = 0

update_first_flag = False
update_second_flag = False
name_list = ["Static", "Approach", "Apart", "Click", "Flip", "Circle"]

# 创建画布，包含4个子图
fig = plt.figure(figsize=(15, 10))

bgimg=imread("bac2.jpg")#设置背景图片
fig.figimage(bgimg,resize=True)#设置窗口自适应（背景图片）



ax1 = fig.add_subplot(2, 2, 1)
ax1.set_facecolor('none')#设置该子图背景透明，其他子图同理


ax2 = fig.add_subplot(2, 2, 3)
ax2.set_facecolor('none')



ax3 = fig.add_subplot(2, 2, 2)
ax3.set_facecolor('none')

ax4 = fig.add_subplot(2, 2, 4)
ax4.set_facecolor('none')

# 绘制初始图形
bar1 = ax3.bar(range(len(acc_first)), acc_first, color='rgb', tick_label=name_list)


bar2 = ax4.bar(range(len(acc_first)), acc_first, color='rgb', tick_label=name_list)


x = np.arange(0, 2200, 1)  # x轴

ax1.set_ylim(-1, 1)#设置y轴范围为-1到1
line1, = ax1.plot(x, gesture_i,color='coral')

ax2.set_ylim(-1, 1)
line2, = ax2.plot(x, gesture_q,color='coral')

#初始化函数
def init():
    # 构造开始帧函数init
    # 改变y轴数据，x轴不需要改
    line1.set_ydata(gesture_i)
    line2.set_ydata(gesture_q)
    bar1 = ax3.bar(range(len(acc_first)), acc_first, color='rgb', tick_label=name_list)
    bar2 = ax4.bar(range(len(acc_second)), acc_second, color='rgb', tick_label=name_list)

    ax1.set_xlabel("I")
    ax2.set_xlabel("Q")

    return line1, line2, ax1  # 注意返回值，我们要更新的就是这些数据

#更新图像的函数
def animate(i):
    #注意这里必须要用global声明，不然可能出现无法动态更新数据的情况
    global gesture_i
    global gesture_q
    global update_first_flag
    global update_second_flag

    line1.set_ydata(gesture_i)

    ax3.cla()
    bar1 = ax3.bar(range(len(acc_first)), acc_first, color='rgb', tick_label=name_list)
    ax3.legend()

    ax4.cla()
    bar2 = ax4.bar(range(len(acc_second)), acc_second, color='rgb', tick_label=name_list)
    ax4.legend



    return line1, line2, ax1





def draw_view():
# 调用FuncAnimation函数生成动画。参数说明：
# fig 进行动画绘制的figure
# func 自定义动画函数，即传入刚定义的函数animate
# frames 动画长度，一次循环包含的帧数
# init_func 自定义开始帧，即传入刚定义的函数init
# interval 更新频率，以ms计
# 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，否则无法显示动画
    ani = animation.FuncAnimation(fig=fig,
                                  func=animate,
                                  frames=100,
                                  init_func=init,
                                  interval=100,
                                  blit=False)
    plt.show()


if __name__ == '__main__':
    draw_view()

说明：实现动态数据可视化的思路是将绘制图像所用的数据写成全局变量，然后动态更新你的数据，UI层会一帧一帧地刷新图像，这样只要你的数据在变，图像就会是变化的，给一张效果图：