如何使用matplotlib進行圖像處理？

全文共2153字，預計學習時長4分鐘或更長

用Matplotlib模擬雨

動畫是呈現各種現象的有趣方式。在描述像過去幾年的股票價格、過去十年的氣候變化、季節性和趨勢等時間序列數據時，與靜態圖相比，動畫更能說明問題。因為，從動畫中，我們可以看到特定參數是如何隨時間而變化的。

上圖是模擬雨的圖像。此圖由Matplotlib繪圖庫繪制而成，該繪圖庫常常被認為是python可視化數據包的原始數據組。Matplotlib通過50個分散點的比例和不透明度來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中強大的可視化工具。這些庫可實現最先進的動畫和交互動作。但是，本文重點在于研究數據庫的一個方面——動畫。同時，我們也將關注實現動畫的方法。

概述

Matplotlib是一個 Python 的 2D繪圖庫，也是Python中最受歡迎的繪圖數據庫。大多數人在踏上數據可視化之旅時，都是首選Matplotlib。這是因為它可簡單地生成繪圖，直方圖、功率譜、條形圖、錯誤圖、散點圖等。不僅如此，它還無縫連接了Pandas、Seaborn等數據庫，甚至創建出更為復雜的可視化數據。

Matplotlib有幾大優點：

· 其構造和MATLAB(矩陣實驗室)類似，所以兩者間易于切換

· 包含許多后端渲染

· 可以快速生成繪圖

· 已存在數十年以上，因此，有大量的用戶基礎

但是，Matplotlib除了這些優點之外，也有許多不足之處：

· Matplotlib常常不可避免地存在冗繁的API（應用程序編程接口）

· 有時默認樣式設計不如人意

· 對web和交互式圖表的支持較低

· 處理大型及復雜的數據時速度常常較慢

對于進修者來說，Datacamp中有關于Matplotlib的必備知識可以幫助提高基礎知識。

動畫

Matplotlib的動畫基類負責處理動畫部分。其可提供構建動畫功能的框架。有兩個主要接口來實現此功能：

FuncAnimation：通過反復觸發func.功能創建動畫。

ArtistAnimation：利用已定義的Artist對象創建動畫。

但是，在上述兩種接口中，FuncAnimation更為方便。我們專注于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方可將動畫以mp4或gif的形式儲存。

一切準備就緒，就可以開始在JupyterNotebooks中制作第一個基本動畫了。本文的訪問密碼可在GithubRepository中獲取。

基本動畫：移動的正弦波

在電腦中，利用FuncAnimation創建正弦波的基本動畫。動畫源代碼可在Matplotlib動畫教程中獲取。先來看看輸出代碼，然后將其破譯，并了解其中奧妙。

import numpy as npfrom matplotlib import pyplot as pltfrom matplotlib.animation import FuncAnimationplt.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，簡單地創建一個圖形窗口，圖中只有一個軸。然后，創建無內容的行對象，其本質上是在動畫中可修改的對象。稍后用數據來填充行對象。

· 在第11行到13行，創建init函數，觸發動畫發生。此函數初始化數據，并限定軸范圍。

· 最后，在第14行到第18行，定義動畫函數，該函數以幀數（i）作為參數，并創建一個正弦波（或任意其他的動畫），而其移動取決于i的值。此函數返回一個已修改的plot對象的元組，告知動畫框架plot中哪些部分需要動畫化。

· 在第20 行，創建實際的動畫對象。Blit參數確保只重新繪制已更改的部分。

· 這是在Matplolib中創建動畫的基本知識。只需對代碼稍作調整，就可以創建出一些有趣的可視化。接下來看看其中一些可視化的例子吧。

一個不斷擴大的線圈

同樣，在GreeksforGreeks中，有一個創建圖形的好例子。我們一起在animation模塊的幫助下創造一個緩慢展開的活動線圈。該代碼和正弦波圖極為相似，只有一些小調整。

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') 實時更新圖

繪制股票數據、傳感器數據等其他與時間相關的動態數據時，實時更新圖就會派上用場。我們繪制一個基圖，在更多的數據被輸入系統后，基圖就會自動更新。現在，來繪制某假定公司某月內的股價圖。

#importing librariesimport matplotlib.pyplot as pltimport matplotlib.animation as animationfig = 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()

現在，打開終端并運行python文件，可以得到如下所示可自動更新的圖表：

其更新的時間間隔是1000毫秒或一秒。

3D圖中的動畫

創建3D圖形十分常見，但是如果可以將這些圖形視角動畫化呢?其方法是，在改變相機視圖后，利用生成后的所有圖像來創建動畫。而在PythonGraph Gallery（Python圖形庫）中有個專門的部分可以完成這類工作。

首先創建一個名為volcano的文件夾，放在與記事本相同的目錄中。然后，將所有會用于動畫化的圖形儲存在該文件夾中。

# libraryfrom mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltimport pandas as pdimport 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 formatdf=data.unstack().reset_index()df.columns=["X","Y","Z"]# And transform the old column name in something numericdf['X']=pd.Categorical(df['X'])df['X']=df['X'].cat.codes# We are going to do 20 plots, for 20 different anglesfor 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文件夾中創建多個PNG文件。接著，利用ImageMagick（一個創建、編輯、合成圖片的軟件）將這些PNG文件轉化成動畫。打開終端并導向Volcano文件夾，輸入以下指令：

convert -delay 10 Volcano*.pnganimated_volcano.gif 利用Celluloid模塊動畫化

Celluloid是python中的一個模塊，其在matplotlib中可簡化創建動畫的進程。這個庫創建一個matplotlib圖并從中創建相機。然后，重新啟用該圖，并在創建每幀動畫后，用上述相機拍快照。最后，利用所有捕捉到的幀創建動畫。

安裝

pip install celluloid

下面是利用Celluloid模塊的例子：

極小值

from matplotlib import pyplot as pltfrom celluloid import Camerafig = 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 npfrom matplotlib import pyplot as pltfrom celluloid import Camerafig, 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 matplotlibfrom matplotlib import pyplot as pltfrom celluloid import Camerafig = 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 點贊 關注

我們一起分享AI學習與發展的干貨

歡迎關注全平臺AI垂類自媒體 “讀芯術”