|
Создаем анимацию графиков Классы FuncAnimation и ArtistAnimationИногда при отображении графиков требуется увидеть их изменение в некоторой динамике, то есть, нужно делать их анимированными. Благо, пакет matplotlib поддерживает такой функционал, и на этом занятии мы с ним познакомимся. Режим программной анимацииНаверное, первый и самый простой вариант создания анимации, который приходит на ум, это выполнение обновления графика непосредственно в цикле и отображения в окне новых данных с некоторой временной задержкой. Давайте представим, что мы рисуем график косинусоиды, следующим образом: import numpy as np import matplotlib.pyplot as plt x = np.arange(-2*np.pi, 2*np.pi, 0.1) y = np.cos(x) plt.plot(x, y) plt.show() Тогда, почему бы нам не поместить функции plot() и show() в цикл и не обновлять кадр за кадром график косинусоиды, сдвигая ее на возрастающую фазу: for delay in np.arange(0, np.pi, 0.1): y = np.cos(x+delay) plt.plot(x, y) plt.show() Но это работать не будет, так как функция show() берет все управление на себя и цикл for будет ждать, пока мы не закроем текущее окно с графиком. Такая анимация нам не интересна. Чтобы увидеть настоящее обновление данных в окне на каждой итерации работы цикла for, необходимо включить, так называемый, интерактивный режим отображения данных. Это делается с помощью функции: plt.ion() Затем, в цикле на каждой итерации мы будем очищать предыдущие данные с помощью функции clf(), отображать текущий график функцией plot() и прорисовывать окно с новым содержимым, используя функции draw() и gcf().canvas.flush_events(): for delay in np.arange(0, np.pi, 0.1): y = np.cos(x+delay) plt.clf() plt.plot(x, y) plt.draw() plt.gcf().canvas.flush_events() time.sleep(0.02) Функция canvas.flush_events() используется, чтобы дать возможность пакету matplotlib обработать свои внутренние события, в том числе и те, что отвечают за перерисовку окна. В последней строчке используется функция sleep() модуля time, которая делает задержку на 0,02 секунды, то есть, на 20 мс. Разумеется, чтобы воспользоваться модулем time, его нужно вначале импортировать: import time После цикла for (то есть, после анимации) выключим интерактивный режим и вызовем функцию show(), чтобы окно само не закрывалось: plt.ioff() plt.show() После запуска программы, увидим анимацию «движения» косинусоиды. Однако, это достаточно медленный вариант создания анимации. Здесь на каждой итерации выполняется полная перерисовка окна, а не только данных, связанных с косинусоидой. Для ускорения процесса следует использовать объектно-ориентированный подход к отображению данных. То есть, вначале нужно создать фигуру и координатную ось (или несколько, при необходимости): fig, ax = plt.subplots() Затем, в переменной line сохраним ссылку на объект, представляющий данные графика: x = np.arange(-2*np.pi, 2*np.pi, 0.1) y = np.cos(x) line, = ax.plot(x, y) А, потом, в цикле будем обновлять данные через объект line, следующим образом: for delay in np.arange(0, 4*np.pi, 0.1): y = np.cos(x+delay) line.set_ydata(y) plt.draw() plt.gcf().canvas.flush_events() time.sleep(0.02) Теперь на каждой итерации вызывается метод set_ydata() для обновления только данных по оси y, все остальное не меняем. Это заметно ускоряет процесс перерисовки графика. После запуска видим ту же анимацию «движения» косинусоиды. Создание анимации с помощью класса FuncAnimationДля упрощения создания анимации в пакете matplotlib предусмотрено два специальных класса:
Подробную информацию по ним можно посмотреть по следующей ссылке: https://matplotlib.org/stable/api/animation_api.html Мы же рассмотрим общие принципы использования этих классов. Сначала воспользуемся FuncAnimation, так как с его помощью можно легко повторить анимацию с косинусоидой. Но, зачем вообще нужен этот класс, если мы сами можем создавать анимированные графики, используя некоторую функцию? Это сделано, главным образом, для упрощения программного кода. Вместо создания циклов и реализаций задержек между кадрами, достаточно импортировать класс FuncAnimation: from matplotlib.animation import FuncAnimation и создать его экземпляр со следующими параметрами: animation = FuncAnimation( fig, # фигура, где отображается анимация func=update_cos, # функция обновления текущего кадра frames=phasa, # параметр, меняющийся от кадра к кадру fargs=(line, x), # дополнительные параметры для функции update_cos interval=30, # задержка между кадрами в мс blit=True, # использовать ли двойную буферизацию repeat=False) # зацикливать ли анимацию Здесь функция update_cos() – это, как раз, та самая функция, которая на каждой итерации должна обновлять текущий кадр. Определим ее выше, следующим образом: def update_cos(frame, line, x): # frame - параметр, который меняется от кадра к кадру # в данном случае - это начальная фаза (угол) # line - ссылка на объект Line2D line.set_ydata( np.cos(x+frame) ) return [line] На входе она будет принимать первый обязательный параметр frame, который содержит данные для обновления текущего кадра. И еще укажем два дополнительных параметра:
Функция update_cos() должна возвращать итерированный объект (в данном случае список) с объектами, наследуемыми от базового класса: matplotlib.artist.Artist В частности, объект Line2D именно такой. Поэтому, достаточно вернуть его в виде списка. Параметр phasa – это коллекция, которая будет перебираться на каждой итерации: phasa = np.arange(0, 4*np.pi, 0.1) то есть, первый параметр функции update_cos(), как раз и будет являться текущим значением этого списка. Затем, через параметр fargs мы указываем дополнительные аргументы для функции update_cos(). И далее идут три следующих очевидных параметра. В конце программы оставим строчку: plt.show() чтобы окно после анимации не закрывалось. Все, анимация готова и при запуске мы увидим то же «движение» косинусоиды. Создание анимации с помощью класса ArtistAnimationС помощью класса ArtistAnimation анимация создается на основе уже готового списка объектов для каждого кадра. Поэтому, такой подход требует гораздо больше памяти устройства, чем предыдущий с использованием класса FuncAnimation. Но плюсом является возможность создания более сложной анимационной картины. Список для ArtistAnimation должен состоять из объектов, производных от класса: matplotlib.artist.Artist Данный класс хорошо подходит для анимирования 3D фигур, так как на их формирование требуется некоторое время. Давайте выполним такую анимацию в нашей программе. Вначале импортируем класс ArtistAnimation: from matplotlib.animation import ArtistAnimation Сформируем 3D ось: fig = plt.figure(figsize=(10, 6)) ax_3d = fig.add_subplot(projection='3d') И координаты сетки в плоскости xy: x = np.arange(-2*np.pi, 2*np.pi, 0.2) y = np.arange(-2*np.pi, 2*np.pi, 0.2) xgrid, ygrid = np.meshgrid(x, y) Затем, определим список для изменяемого параметра и коллекцию для хранения объектов Artist: phasa = np.arange(0, 2*np.pi, 0.1) frames = [] Далее, в цикле сформируем объекты Artist для последующей их анимации: for p in phasa: zgrid = np.sin(xgrid+p) * np.sin(ygrid) / (xgrid * ygrid) line = ax_3d.plot_surface(xgrid, ygrid, zgrid, color='b') frames.append([line]) Обратите внимание, коллекция frames должна в качестве элементов содержать список объектов, поэтому, line здесь записана в квадратных скобках. Сама анимация будет выглядеть уже знакомым нам образом: animation = ArtistAnimation( fig, # фигура, где отображается анимация frames, # кадры interval=30, # задержка между кадрами в мс blit=True, # использовать ли двойную буферизацию repeat=True) # зацикливать ли анимацию И в конце, как всегда, используем функцию: plt.show() Все, наша анимация 3D графика готова. Как видите, все делается достаточно просто и вы теперь сможете все это, при необходимости, использовать в своих проектах. Видео по теме |
