[数据分析与可视化] 基于Python绘制简单动图

动画是一种高效的可视化工具,能够提升用户的吸引力和视觉体验,有助于以富有意义的方式呈现数据可视化。本文的主要介绍在Python中两种简单制作动图的方法。其中一种方法是使用matplotlib的Animations模块绘制动图,另一种方法是基于Pillow生成GIF动图。

文章目录

  • 1 Animations模块
    • 1.1 FuncAnimation类
    • 1.2 ArtistAnimation类
    • 1.3 动画保存
  • 2 基于Pillow库生成动图
  • 3 参考

1 Animations模块

Matplotlib的Animations模块提供了FuncAnimation和ArtistAnimation类来创建matplotlib绘图动画,FuncAnimation和ArtistAnimation都是Animation类的子类。它们的区别在于实现动画的方式和使用场景不同。FuncAnimation适用于根据时间更新图形状态的动画效果,且更加灵活和常用。而ArtistAnimation适用于将已有的静态图像序列组合成动画的效果。具体区别如下:

  • FuncAnimation:FuncAnimation是基于函数的方法来创建动画的。它使用用户提供的一个或多个函数来更新图形的状态,并按照一定的时间间隔连续地调用这些函数,从而实现动画效果。用户需要定义一个更新函数,该函数在每个时间步长上更新图形对象的属性,然后FuncAnimation会根据用户指定的帧数、时间间隔等参数来自动计算动画的帧序列。这种方法适用于需要根据时间变化来更新图形状态的动画效果。

  • ArtistAnimation:ArtistAnimation是基于静态图像的方法来创建动画的。它要求用户提供一系列的静态图像,称为艺术家对象。这些图像可以是通过Matplotlib创建的任何类型的可视化对象,例如Figure、Axes、Line2D等。用户需要将这些静态图像存储在一个列表中,然后通过ArtistAnimation来显示这些图像的序列。ArtistAnimation会按照用户指定的时间间隔逐帧地显示这些图像,从而实现动画效果。这种方法适用于已经有一系列静态图像需要组合成动画的场景。

本节将通过几个示例来介绍Animations模块的使用,所介绍的示例出自:gallery-animation。

1.1 FuncAnimation类

FuncAnimation构造函数的参数含义如下:

  • fig:要绘制动画的Figure对象。
  • func:用于更新每一帧的函数,该函数接受一个参数frame,表示当前待绘制的数据帧。
  • frames:用于产生待绘制的数据,可以是整数、生成器函数或迭代器。
  • init_func:在绘制动画之前调用的初始化函数。
  • fargs:传递给func函数的附加参数(可选)。
  • save_count:指定动画中缓存的帧数量(可选),默认为100。注意该参数用于确定最后生成动图和视频所用图像的数量。
  • interval:每一帧之间的时间间隔,以毫秒为单位,默认为200。
  • repeat:控制动画是否重复播放,默认为True。
  • repeat_delay:重复动画之间的延迟时间(以毫秒为单位),默认为0。
  • blit:指定是否使用blitting技术来进行绘制优化,默认为False。
  • cache_frame_data:指定是否缓存帧数据,默认为True。

示例-生成动态的正弦波动画

import itertools
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.animation as animation# 定义生成数据的函数
def data_gen(max_range):# 使用itertools.count()生成无限递增的计数器for cnt in itertools.count():# 当计数器超过最大范围时停止生成数据if cnt > max_range:breakprint(cnt)# 计算时间t和对应的y值,使用np.sin()计算sin函数,np.exp()计算指数函数t = cnt / 10yield t, np.sin(2*np.pi*t) * np.exp(-t/10.)# 初始化函数,设置坐标轴范围和清空数据
def init():ax.set_ylim(-1.1, 1.1)ax.set_xlim(0, 1)del xdata[:]del ydata[:]line.set_data(xdata, ydata)return line,# 创建图形对象以及子图对象
fig, ax = plt.subplots()
# 创建线条对象
line, = ax.plot([], [], lw=2)
# 创建文本对象用于显示 x 和 y 值
text = ax.text(0., 0., '', transform=ax.transAxes)
# 设置文本位置
text.set_position((0.7, 0.95))
# 将文本对象添加到图形中
ax.add_artist(text)
ax.grid()
xdata, ydata = [], []# 更新函数,将新的数据添加到图形中
def run(data):# 获取传入的数据t, y = data# 将时间和对应的y值添加到xdata和ydata中xdata.append(t)ydata.append(y)# 获取当前坐标轴的范围xmin, xmax = ax.get_xlim()# 更新文本对象的值text.set_text('x = {:.2f}, y = {:.2f}'.format(t, y))# 如果时间t超过当前范围,更新坐标轴范围if t >= xmax:ax.set_xlim(xmin, 2*xmax)# 重绘图形ax.figure.canvas.draw()# 更新线条的数据line.set_data(xdata, ydata)return line, text# 创建动画对象
# fig:图形对象
# run:更新函数,用于更新图形中的数据
# data_gen(20):生成器函数,产生数据的最大范围为20
# interval=100:每帧动画的时间间隔为100毫秒
# init_func=init:初始化函数,用于设置图形的初始状态
# repeat=True:动画重复播放
ani = animation.FuncAnimation(fig, run, data_gen(20), interval=100, init_func=init, repeat=True)# 显示图形
plt.show()

示例-创建动态散点图与折线图

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.animation as animation# 创建一个图形窗口和坐标轴
fig, ax = plt.subplots()# 创建时间数组
t = np.linspace(0, 3, 50)# 自由落体加速度
g = -9.81# 初始速度
v0 = 12# 计算高度
z = g * t**2 / 2 + v0 * t# 第二个初始速度
v02 = 5# 计算第二个高度
z2 = g * t**2 / 2 + v02 * t# 创建散点图
scat = ax.scatter(t[0], z[0], c="b", s=5, label=f'v0 = {v0} m/s')# 创建线图
line2 = ax.plot(t[0], z2[0], label=f'v0 = {v02} m/s')[0]# 设置坐标轴范围和标签
ax.set(xlim=[0, 3], ylim=[-4, 10], xlabel='Time [s]', ylabel='Z [m]')# 添加图例
ax.legend()def update(frame):x = t[:frame]y = z[:frame]# 更新散点图data = np.stack([x, y]).T# 更新散点图中每个点的位置scat.set_offsets(data)# 更新线图line2.set_xdata(t[:frame])line2.set_ydata(z2[:frame])return (scat, line2)# 创建动画
# frames为数值表示动画的总帧数,即每次更新参数传入当前帧号
ani = animation.FuncAnimation(fig=fig, func=update, frames=40, interval=30)# 显示图形
plt.show()

示例-贝叶斯更新动画

import mathimport matplotlib.pyplot as plt
import numpy as npfrom matplotlib.animation import FuncAnimation# 定义分布概率密度函数
def beta_pdf(x, a, b):return (x**(a-1) * (1-x)**(b-1) * math.gamma(a + b)/ (math.gamma(a) * math.gamma(b)))# 更新分布类,用于更新动态图
class UpdateDist:def __init__(self, ax, prob=0.5):self.success = 0self.prob = probself.line, = ax.plot([], [], 'k-')self.x = np.linspace(0, 1, 200)self.ax = ax# 设置图形参数self.ax.set_xlim(0, 1)self.ax.set_ylim(0, 10)self.ax.grid(True)# 这条竖直线代表了理论值,图中的分布应该趋近于这个值self.ax.axvline(prob, linestyle='--', color='black')def __call__(self, i):# 这样图形可以连续运行,我们只需不断观察过程的新实现if i == 0:self.success = 0self.line.set_data([], [])return self.line,# 根据超过阈值与均匀选择来选择成功if np.random.rand() < self.prob:self.success += 1y = beta_pdf(self.x, self.success + 1, (i - self.success) + 1)self.line.set_data(self.x, y)return self.line,# 设置随机状态以便再现结果
np.random.seed(0)# 创建图形和坐标轴对象
fig, ax = plt.subplots()# 创建更新分布对象,并应该收敛到的理论值为0.7
ud = UpdateDist(ax, prob=0.7)# 创建动画对象
anim = FuncAnimation(fig, ud, frames=100, interval=100,blit=True, repeat_delay=1000)# 显示动画
plt.show()

示例-模拟雨滴

import matplotlib.pyplot as plt
import numpy as npfrom matplotlib.animation import FuncAnimation# 设置随机种子以确保可复现性
np.random.seed(0)# 创建画布和坐标轴对象
fig = plt.figure(figsize=(7, 7))
# 在画布上添加一个坐标轴对象。
# [0, 0, 1, 1]参数指定了坐标轴的位置和大小,分别表示左下角的 x 坐标、左下角的 y 坐标、宽度和高度。
# frameon=False参数表示不显示坐标轴的边框
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([])# 创建雨滴数据
n_drops = 50
rain_drops = np.zeros(n_drops, dtype=[('position', float, (2,)),('size',     float),('growth',   float),('color',    float, (4,))])# 随机初始化雨滴的位置和生长速率
rain_drops['position'] = np.random.uniform(0, 1, (n_drops, 2))
rain_drops['growth'] = np.random.uniform(50, 200, n_drops)# 创建散点图对象,用于在动画中更新雨滴的状态
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):# 获取一个索引,用于重新生成最旧的雨滴current_index = frame_number % n_drops# 随着时间的推移,使所有雨滴的颜色更加透明rain_drops['color'][:, 3] -= 1.0 / len(rain_drops)rain_drops['color'][:, 3] = np.clip(rain_drops['color'][:, 3], 0, 1)# 所有雨滴变大rain_drops['size'] += rain_drops['growth']# 为最旧的雨滴选择一个新的位置,重置其大小、颜色和生长速率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)# 使用新的颜色、大小和位置更新散点图对象scat.set_edgecolors(rain_drops['color'])scat.set_sizes(rain_drops['size'])scat.set_offsets(rain_drops['position'])# 创建动画,并将update函数作为动画的回调函数
animation = FuncAnimation(fig, update, interval=10, save_count=100)
plt.show()

示例-跨子图动画

import matplotlib.pyplot as plt
import numpy as npimport matplotlib.animation as animation
from matplotlib.patches import ConnectionPatch# 创建一个包含左右两个子图的图形对象
fig, (axl, axr) = plt.subplots(ncols=2, # 指定一行中子图的列数为2,即创建两个子图sharey=True,  # 共享y轴刻度figsize=(6, 2),  # width_ratios=[1, 3]指定第二个子图的宽度为第一个子图的三倍# wspace=0 设置子图之间的水平间距为0gridspec_kw=dict(width_ratios=[1, 3], wspace=0), 
)# 设置左侧子图纵横比为1,即使得它的宽度和高度相等
axl.set_aspect(1)
# 设置右侧子图纵横比为1/3,即高度是宽度的三分之一
axr.set_box_aspect(1 / 3)# 右子图不显示y轴刻度
axr.yaxis.set_visible(False)# 设置右子图x轴刻度以及对应的标签
axr.xaxis.set_ticks([0, np.pi, 2 * np.pi], ["0", r"$\pi$", r"$2\pi$"])# 在左子图上绘制圆
x = np.linspace(0, 2 * np.pi, 50)
axl.plot(np.cos(x), np.sin(x), "k", lw=0.3)# 在左子图上绘制初始点
point, = axl.plot(0, 0, "o")# 在右子图上绘制完整的正弦曲线,以设置视图限制
sine, = axr.plot(x, np.sin(x))# 绘制连接两个图表的连线
con = ConnectionPatch((1, 0), # 连接线的起始点坐标(0, 0), # 连接线的终点坐标"data","data",axesA=axl, # 指定连接线的起始点所在的坐标轴axesB=axr, # 指定连接线的终点所在的坐标轴color="red", ls="dotted", # 连接线类型
)
fig.add_artist(con)# 定义动画函数
def animate(i):x = np.linspace(0, i, int(i * 25 / np.pi))sine.set_data(x, np.sin(x))x, y = np.cos(i), np.sin(i)point.set_data([x], [y])con.xy1 = x, ycon.xy2 = i, yreturn point, sine, con# 创建动画对象
ani = animation.FuncAnimation(fig,animate,interval=50,  blit=False,   # 不使用blitting技术,这里Figure artists不支持blittingframes=x,     repeat_delay=100,  # 动画重复播放延迟100毫秒
)# 展示动画
plt.show()

示例-动态示波器

import matplotlib.pyplot as plt
import numpy as npimport matplotlib.animation as animation
from matplotlib.lines import Line2D# 创建一个 Scope 类用于绘制动态图形
class Scope:def __init__(self, ax, maxt=2, dt=0.02):""":param ax: Matplotlib 的坐标轴对象:param maxt: 时间的最大值,默认为2:param dt: 时间步长,默认为0.02"""self.ax = axself.dt = dtself.maxt = maxtself.tdata = [0]  # 时间数据的列表self.ydata = [0]  # y轴数据的列表self.line = Line2D(self.tdata, self.ydata)  # 创建一条线对象self.ax.add_line(self.line)  # 将线对象添加到坐标轴上self.ax.set_ylim(-.1, 1.1)  # 设置y轴范围self.ax.set_xlim(0, self.maxt)  # 设置x轴范围def update(self, y):"""更新图形数据:param y: 新的y轴数据:return: 更新后的线对象"""lastt = self.tdata[-1]if lastt >= self.tdata[0] + self.maxt:  # 如果当前时间超过了最大时间,重新设置数组self.tdata = [self.tdata[-1]]self.ydata = [self.ydata[-1]]self.ax.set_xlim(self.tdata[0], self.tdata[0] + self.maxt)self.ax.figure.canvas.draw()# 进行时间的计算t = self.tdata[0] + len(self.tdata) * self.dtself.tdata.append(t)self.ydata.append(y)self.line.set_data(self.tdata, self.ydata)return self.line,def emitter(p=0.1):"""以概率p(范围为[0, 1))返回一个随机值,否则返回0"""while True:v = np.random.rand()if v > p:yield 0.else:yield np.random.rand()np.random.seed(0)fig, ax = plt.subplots()  # 创建一个图形窗口和一对坐标轴
scope = Scope(ax)  # 创建一个Scope对象,用于绘制动态图# 使用scope的类函数update作为更新函数
ani = animation.FuncAnimation(fig, scope.update, emitter, interval=50, blit=True, save_count=100)plt.show() 

示例-世界主要城市的人口数量动态展示

本示例代码和数据来自于: how-to-create-animations-in-python。这段代码支持展示自1500年到2020年期间人口数排名靠前的城市的变化趋势。该示例只是介绍简单的动态条形图绘制,更加精美的条形图绘制可使用:bar_chart_race或pandas_alive。

import pandas as pd 
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker 
from matplotlib.animation import FuncAnimation  
import matplotlib.patches as mpatches # 定义一个函数,用于生成颜色列表
def generate_colors(string_list):num_colors = len(string_list)# 使用tab10调色板,可以根据需要选择不同的调色板colormap = plt.cm.get_cmap('tab10', num_colors)colors = []for i in range(num_colors):color = colormap(i)colors.append(color)return colors# 读取CSV文件,并选择所需的列
# 数据地址:https://media.geeksforgeeks.org/wp-content/cdn-uploads/20210901121516/city_populations.csv
df = pd.read_csv('city_populations.csv', usecols=['name', 'group', 'year', 'value'])# 将年份列转换为整数型
df['year'] = df['year'].astype(int)
# 将人口数量列转换为浮点型
df['value'] = df['value'].astype(float)# 获取城市分组列表
group = list(set(df.group))# 生成城市分组对应的颜色字典
group_clolor = dict(zip(group, generate_colors(group)))# 创建城市名称与分组的字典
group_name = df.set_index('name')['group'].to_dict()# 定义绘制柱状图的函数
def draw_barchart(year):# 根据年份筛选数据,并按人口数量进行降序排序,取出最大范围的数据df_year = df[df['year'].eq(year)].sort_values(by='value', ascending=True).tail(max_range)ax.clear()# 绘制水平柱状图,并设置颜色ax.barh(df_year['name'], df_year['value'], color=[group_clolor[group_name[x]] for x in df_year['name']])# 在柱状图上方添加文字标签dx = df_year['value'].max() / 200for i, (value, name) in enumerate(zip(df_year['value'], df_year['name'])):# 城市名ax.text(value-dx, i, name,size=12, weight=600,ha='right', va='bottom')ax.text(value-dx, i-0.25, group_name[name],size=10, color='#333333',ha='right', va='baseline')# 地区名ax.text(value+dx, i, f'{value:,.0f}',size=12, ha='left',  va='center')# 设置其他样式ax.text(1, 0.2, year, transform=ax.transAxes,color='#777777', size=46, ha='right',weight=800)ax.text(0, 1.06, 'Population (thousands)',transform=ax.transAxes, size=12,color='#777777')# 添加图例handles = []for name, color in group_clolor.items():patch = mpatches.Patch(color=color, label=name)handles.append(patch)ax.legend(handles=handles, fontsize=12, loc='center', bbox_to_anchor=(0.5, -0.03), ncol=len(group_clolor), frameon=False)# x轴的主要刻度格式化,不保留小数ax.xaxis.set_major_formatter(ticker.StrMethodFormatter('{x:,.0f}'))# 将x轴的刻度位置设置在图的顶部ax.xaxis.set_ticks_position('top')# 设置x轴的刻度颜色为灰色(#777777),字体大小为16ax.tick_params(axis='x', colors='#777777', labelsize=16)# 清除y轴的刻度标签ax.set_yticks([])# 在x轴和y轴上设置0.01的边距ax.margins(0, 0.01)# 在x轴上绘制主要网格线,线条样式为实线ax.grid(which='major', axis='x', linestyle='-')# 设置网格线绘制在图像下方ax.set_axisbelow(True)# 添加绘图信息ax.text(0, 1.10, f'The {max_range} most populous cities in the world from {start_year} to {end_year}',transform=ax.transAxes, size=24, weight=600, ha='left')ax.text(1, 0, 'Produced by luohenyueji',transform=ax.transAxes, ha='right', color='#777777',bbox=dict(facecolor='white', alpha=0.8, edgecolor='white'))plt.box(False)# 创建绘图所需的figure和axes
fig, ax = plt.subplots(figsize=(12, 8))
start_year = 2000
end_year = 2020
# 设置最多显示城市数量
max_range = 15# 获取数据中的最小年份和最大年份,并进行校验
min_year, max_year = min(set(df.year)), max(set(df.year))
assert min_year <= start_year, f"end_year cannot be lower than {min_year}"
assert end_year <= max_year, f"end_year cannot be higher  than {max_year}"# 创建动画对象,调用draw_barchart函数进行绘制
ani = FuncAnimation(fig, draw_barchart, frames=range(start_year, end_year+1), repeat_delay=1000, interval=200)
fig.subplots_adjust(left=0.04, right=0.94, bottom=0.05)# 显示图形
plt.show()

结果如下:

1.2 ArtistAnimation类

ArtistAnimation构造函数的参数含义如下:

  • fig:要绘制动画的Figure对象。
  • artists:包含了一系列绘图对象的列表,这些绘图对象将被作为动画的帧。
  • interval:每一帧之间的时间间隔,以毫秒为单位,默认为200。
  • repeat:控制动画是否重复播放,默认为True。
  • repeat_delay:重复动画之间的延迟时间(以毫秒为单位),默认为0。
  • blit:指定是否使用blitting技术来进行绘制优化,默认为False。

示例-ArtistAnimation简单使用

import matplotlib.pyplot as plt
import numpy as npimport matplotlib.animation as animationfig, ax = plt.subplots()# 定义函数 f(x, y),返回 np.sin(x) + np.cos(y)
def f(x, y):return np.sin(x) + np.cos(y)# 生成 x 和 y 的取值范围
x = np.linspace(0, 2 * np.pi, 120)
y = np.linspace(0, 2 * np.pi, 100).reshape(-1, 1)# ims 是一个列表的列表,每一行是当前帧要绘制的艺术品列表;
# 在这里我们只在每一帧动画中绘制一个艺术家,即图像
ims = []# 循环生成动画的每一帧,并存入一个列表
for i in range(60):# 更新 x 和 y 的取值x += np.pi / 15y += np.pi / 30# 调用函数 f(x, y),并绘制其返回的图像im = ax.imshow(f(x, y), animated=True)if i == 0:# 首先显示一个初始的图像ax.imshow(f(x, y))# 将当前帧添加到ims中ims.append([im])# 基于ims中的绘图对象绘制动图
ani = animation.ArtistAnimation(fig, ims, interval=50, blit=True,repeat_delay=1000)# 显示动画
plt.show()

示例-创建动态柱状图

import matplotlib.pyplot as plt  
import numpy as np
import matplotlib.animation as animation  fig, ax = plt.subplots() 
rng = np.random.default_rng(0) 
# # 创建一个包含5个元素的数组,表示数据集
data = np.array([20, 20, 20, 20,20])  
# 创建一个包含5个字符串的列表,表示数据集的标签
x = ["A", "B", "C", "D","E"]  # 创建一个空列表,用于存储图形对象
artists = []  
# 创建一个包含5个颜色值的列表,用于绘制图形
colors = ['tab:blue', 'tab:red', 'tab:green', 'tab:purple', 'tab:orange']  for i in range(20):# 随机生成一个与data形状相同的数组,并将其加到data中data += rng.integers(low=0, high=10, size=data.shape)  # 创建一个水平条形图,并设置颜色container = ax.barh(x, data, color=colors)# 设置x轴范围ax.set_xlim(0,150)# 将创建的图形对象添加到列表中artists.append(container)  # 创建一个ArtistAnimation对象,指定图形窗口和图形对象列表以及动画间隔时间
ani = animation.ArtistAnimation(fig=fig, artists=artists, interval=200) 
plt.show() 

1.3 动画保存

Matplotlib通过plot方法创建和显示动画。为了保存动画为动图或视频,Animation类提供了save函数。save函数的常见参数如下:

  • filename:保存文件的路径和名称。
  • writer:指定要使用的写入器(Writer)。如果未指定,则默认使用ffmpeg写入器。
  • fps:设置帧速率(每秒显示多少帧),默认值为None,表示使用Animation对象中的interval属性作为帧速率。
  • dpi:设置输出图像的分辨率,默认值为None,表示使用系统默认值。
  • codec:指定视频编解码器,仅当writer为ffmpeg_writer时有效。
  • bitrate:设置比特率,仅当writer为ffmpeg_writer时有效。
  • extra_args:用于传递给写入器的额外参数。
  • metadata:包含文件元数据的字典。
  • extra_anim:与主要动画同时播放的其他动画。
  • savefig_kwargs:传递给savefig()的关键字参数。
  • progress_callback:用于在保存过程中更新进度的回调函数。

writer写入器可以指定使用各种多媒体写入程序(例如:Pillow、ffpmeg、imagemagik)保存到本地,如下所示:

WriterSupported Formats
~matplotlib.animation.PillowWriter.gif, .apng, .webp
~matplotlib.animation.HTMLWriter.htm, .html, .png
~matplotlib.animation.FFMpegWriterAll formats supported by ffmpeg: ffmpeg -formats
~matplotlib.animation.ImageMagickWriterAll formats supported by imagemagick: magick -list format

保存动图和视频的代码如下:

# 动图
ani.save(filename="pillow_example.gif", writer="pillow")
ani.save(filename="pillow_example.apng", writer="pillow")# 视频,需要安装ffmpeg
ani.save(filename="ffmpeg_example.mkv", writer="ffmpeg")
ani.save(filename="ffmpeg_example.mp4", writer="ffmpeg")
ani.save(filename="ffmpeg_example.mjpeg", writer="ffmpeg")

需要注意的是动图构建对象时所设置的参数不会影响save函数,如下所示,在FuncAnimation中设置repeat=False,即动图只播放一次。但是保存的gif文件却循环播放。这是因为save函数调用了其他第三库的动图或者视频保持函数,需要重新设置参数。

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation# 创建画布和坐标轴
fig, ax = plt.subplots()
xdata, ydata = [], []
ln, = plt.plot([], [], 'r-')def init():ax.set_xlim(0, 2*np.pi)ax.set_ylim(-1, 1)return ln,def update(frame):x = np.linspace(0, 2*np.pi, 100)y = np.sin(x + frame/10)ln.set_data(x, y)return ln,# 创建动画对象
ani = FuncAnimation(fig, update, frames=100, interval=100,init_func=init, blit=True, repeat=False)ani.save(filename="pillow_example.gif", writer=writer, dpi=150)

要解决保存动画问题,需要自定义动画保存类,如下所示:

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
from matplotlib import animation# 创建画布和坐标轴
fig, ax = plt.subplots()
xdata, ydata = [], []
ln, = plt.plot([], [], 'r-')def init():ax.set_xlim(0, 2*np.pi)ax.set_ylim(-1, 1)return ln,def update(frame):x = np.linspace(0, 2*np.pi, 100)y = np.sin(x + frame/10)ln.set_data(x, y)return ln,# 创建动画对象
ani = FuncAnimation(fig, update, frames=100, interval=100,init_func=init, blit=True, repeat=False)# 创建自定义的动画写入类
class SubPillowWriter(animation.PillowWriter):def __init__(self, loop=1, **kwargs):super().__init__(**kwargs)# 将loop设置为0,表示无限循环播放;如果设置为一个大于0的数值,表示循环播放指定次数self.loop = loop# 定义播放结束时,保存图片的代码def finish(self):# 调用了pillow包self._frames[0].save(self.outfile, save_all=True, append_images=self._frames[1:], duration=int(1000 / self.fps), loop=self.loop)# 创建动画写入对象
# fps=15:每秒帧数,表示动画的播放速度为每秒 15 帧。
# metadata=dict(artist='luohenyueji'):元数据信息,包括艺术家信息,将被添加到生成的GIF文件中。
writer = SubPillowWriter(fps=15, metadata=dict(artist='luohenyueji'))
ani.save(filename="pillow_example.gif", writer=writer, dpi=150)

2 基于Pillow库生成动图

使用Pillow库生成动图非常简单。首先,准备一个包含一系列图像帧的列表。这些图像帧可以是连续的图片,每张图片表示动画的一个时间点。接下来,使用Pillow库中的save()方法将这些图像帧保存为一个gif文件。在保存动图时,还可以设置一些参数来控制动画效果。参考以下示例,可获取具体的使用说明。

示例-滑动动图

该示例展示了一种图像滑动展示的动画效果,即通过滑动渐变的方式逐步将起始黑白图片转变为目标彩色图片。所示起始图片和目标图片如下所示:

动画结果如下所示:

本示例所提供代码主要可调参数介绍如下:

  • span (int): 分割步长,默认为100。此参数用于控制图片合并过程中的分割步长,即每次移动的距离。

  • save (bool): 是否保存中间帧图像,默认为False。如果设置为True,则会将生成的每一帧图像保存到指定的文件夹中。

  • orient (str): 合并方向,默认水平。可选值为’horizontal’(水平方向)或’vertical’(垂直方向)。用于控制图像的合并方向。

  • loop (int): 循环次数,默认为0(无限循环)。设置为正整数时,动画会循环播放指定次数;设置为0时,动画会无限循环播放。

  • duration (int): 帧持续时间(毫秒),默认为100。用于设置每一帧图像在动画中的显示时间。

  • repeat_delay (int): 循环之间的延迟时间(毫秒),默认为500。用于设置每次循环之间的延迟时间。

  • save_name (str): 保存动画的文件名,默认为"output"。用于设置生成的动画文件的名称。

以下是代码实现的示例。该代码首先读取起始图片和目标图片,然后指定分割位置以设置图片两侧的效果。最后,通过调整分割位置来实现滑动渐变效果。

from PIL import Image, ImageDraw
import osdef merge_image(in_img, out_img, pos, orient="horizontal"):"""合并图像的函数参数:in_img (PIL.Image): 输入图像out_img (PIL.Image): 输出图像pos (int): 分割位置orient (str): 图像合并方向,默认水平horizontal,可选垂直vertical返回:result_image (PIL.Image): 合并后的图像"""if orient == "horizontal":# 将图像分为左右两部分left_image = out_img.crop((0, 0, pos, out_img.size[1]))right_image = in_img.crop((pos, 0, in_img.size[0], in_img.size[1]))# 合并左右两部分图像result_image = Image.new('RGB', (left_image.size[0] + right_image.size[0], left_image.size[1]))result_image.paste(left_image, (0, 0))result_image.paste(right_image, (left_image.size[0], 0))# 添加滑动线条draw = ImageDraw.Draw(result_image)draw.line([(left_image.size[0], 0), (left_image.size[0],left_image.size[1])], fill=(0, 255, 255), width=3)elif orient == 'vertical':# 将图像分为上下两部分top_image = out_img.crop((0, 0, out_img.size[0], pos))bottom_image = in_img.crop((0, pos, in_img.size[0], in_img.size[1]))# 合并上下两部分图像result_image = Image.new('RGB', (top_image.size[0], top_image.size[1] + bottom_image.size[1]))result_image.paste(top_image, (0, 0))result_image.paste(bottom_image, (0, top_image.size[1]))# 添加滑动线条draw = ImageDraw.Draw(result_image)draw.line([(0, top_image.size[1]), (top_image.size[0],top_image.size[1])], fill=(0, 255, 255), width=3)return result_imagedef main(img_in_path, img_out_path, span=100, save=False, orient='horizontal', loop=0, duration=100, repeat_delay=500, save_name="output"):"""主函数参数:img_in_path (str): 起始图片路径img_out_path (str): 目标图片路径span (int): 分割步长,默认为100save (bool): 是否保存中间帧图像,默认为Falseorient (str): 合并方向,默认水平loop (int): 循环次数,默认为0(无限循环)duration (int): 帧持续时间(毫秒),默认为100repeat_delay (int): 循环之间的延迟时间(毫秒),默认为500save_name (str): 保存动画的文件名,默认为"output""""# 读取原始图像img_in = Image.open(img_in_path).convert("RGB")img_out = Image.open(img_out_path).convert("RGB")assert img_in.size == img_out.size, "Unequal size of two input images"if save:output_dir = 'output'os.makedirs(output_dir, exist_ok=True)frames = []frames.append(img_in)span_end = img_in.size[0] if orient == 'horizontal' else img_in.size[1]# 逐张生成gif图片每一帧for pos in range(span, span_end, span):print(pos)result_image = merge_image(img_in, img_out, pos, orient)if save:result_image.save(f"output/{pos:04}.jpg")frames.append(result_image)if save:img_in.save("output/0000.jpg")img_out.save(f"output/{img_in.size[0]:04}.jpg")# 添加过渡效果durations = [duration]*len(frames)durations.append(repeat_delay)frames.append(img_out)# 生成动图# frames[0].save:表示将frames列表中的第一张图片作为输出GIF动画的第一帧# '{save_name}.gif':表示将输出的GIF动画保存在当前目录下并命名为{save_name}.gif# format='GIF':表示输出的文件格式为GIF格式# append_images=frames[1:]:表示将frames列表中除了第一张图片以外的剩余图片作为输出GIF动画的后续帧# save_all=True:表示将所有的帧都保存到输出的GIF动画中# duration:表示每一帧的持续时间duration,可以是数值也可以是列表。如果是列表则单独表示每一帧的时间# loop=0:表示循环播放次数为0,即无限循环播放# optimize=True:表示优化图片生成frames[0].save(f'{save_name}.gif', format='GIF', append_images=frames[1:],save_all=True, duration=durations, loop=loop, optimize=True)if __name__ == "__main__":# 起始图片路径img_in_path = 'in.jpg'# 目标图片路径img_out_path = 'out.jpg'# 调用 main 函数,并传入相应的参数main(img_in_path,                   # 起始图片路径img_out_path,                  # 目标图片路径save=True,                     # 是否保存中间结果span=150,                      # 分割步长,默认为 150orient='horizontal',           # 合并方向,默认为水平(可选值为 'horizontal' 或 'vertical')duration=500,                  # 帧持续时间(毫秒),默认为500save_name="output",            # 保存动画的文件名,默认为 "output"repeat_delay=2000              # 循环之间的延迟时间(毫秒)默认为 500)

上述代码演示了一种直接生成动图的方法。此外,还可以通过读取磁盘中的图片集合来生成动图。以下是示例代码,用于读取之前保存的中间图片并生成动图:

from PIL import Image
import os# 图片文件夹路径
image_folder = 'output'# 保存的动图路径及文件名
animated_gif_path = 'output.gif'# 获取图片文件列表
image_files = [f for f in os.listdir(image_folder) if f.endswith('.jpg') or f.endswith('.png')]
image_files.sort()
# 创建图片帧列表
frames = []
for file_name in image_files:image_path = os.path.join(image_folder, file_name)img = Image.open(image_path)frames.append(img)# 保存为动图
frames[0].save(animated_gif_path, format='GIF', append_images=frames[1:], save_all=True, duration=200, loop=0)

值得注意,基于Pillow库生成的gif图片,往往文件体积过大。这是因为Pillow库采用无损压缩的方式保存gif图片。为了解决这个问题,可以尝试以下方法对gif图片进行压缩:

  • 使用在线gif图片压缩网站,如:gif-compressor
  • 基于压缩或优化gif图片的工具,如:gifsicle
  • 缩小gif图像宽高

3 参考

  • gallery-animation
  • how-to-create-animations-in-python
  • bar_chart_race
  • pandas_alive
  • gif-compressor
  • gifsicle

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/119050.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

机器学习实验一:KNN算法,手写数字数据集(使用汉明距离)(2)

KNN-手写数字数据集&#xff1a; 使用sklearn中的KNN算法工具包&#xff08; KNeighborsClassifier)替换实现分类器的构建&#xff0c;注意使用的是汉明距离&#xff1b; 运行结果&#xff1a;&#xff08;大概要运行4分钟左右&#xff09; 代码&#xff1a; import pandas as…

进程 概念和理解 - Linux 是怎么做到 管理进程的?-fork 手动创建进程

前言 上一篇博客当中&#xff0c;对 冯诺依曼体系结构 和 操作系统 进行了简要概述&#xff0c;本篇博客将会从上一篇博客的基础之上进行展开&#xff0c;如果你有些不了解的话&#xff0c;建议先看上一篇博客再看本篇博客&#xff1a; 冯诺依曼体结构 - 为什么要有操作系统-…

golang 工程组件:grpc-gateway 环境安装+默认网关测试

grpc-gateway grpc-gateway 顾名思义是专门是grpc的网关。也是一个protobuf的编译器&#xff0c;是一个proto的插件。 grpc-gateway就是将http请求处理后转发到对应grpc服务上。很多浏览器&#xff0c;或者客户端开箱不支持grpc&#xff0c;只支持传统的restful API。 grpc网关…

【2021集创赛】Arm杯三等奖:基于FPGA的人脸检测SoC设计

本作品参与极术社区组织的有奖征集|秀出你的集创赛作品风采,免费电子产品等你拿~活动。 团队介绍 参赛单位&#xff1a;合肥工业大学 队伍名称&#xff1a;芯创之家 指导老师&#xff1a;邓红辉、尹勇生 参赛杯赛&#xff1a;Arm杯 参赛人员&#xff1a;王亮 李嘉燊 金京 获奖情…

【STM32】RCC时钟模块(使用HAL库)

https://gitee.com/linhir-linhir/stm32-f103-c8/blob/master/STM32%E6%9C%80%E6%96%B0%E5%9B%BA%E4%BB%B6%E5%BA%93v3.5/Libraries/STM32F10x_StdPeriph_Driver/inc/stm32f10x_rcc.h STM32最新固件库v3.5/Libraries/CMSIS/CM3/DeviceSupport/ST/STM32F10x/system_stm32f10x.c…

Centos使用tomcat部署jenkins

jenkins的最新版本已经不在支持jdk8&#xff0c;支持的jdk环境如下&#xff1a; 安装jdk环境 yum -y install java-11-openjdk.x86_64 java-11-openjdk-devel.x86_64安装tomcat tomcat官网 cd /optwget https://dlcdn.apache.org/tomcat/tomcat-9/v9.0.82/bin/apache-tomcat…

【项目管理】如何开展高质量的团队管理

&#x1f449;博__主&#x1f448;&#xff1a;米码收割机 &#x1f449;技__能&#x1f448;&#xff1a;C/Python语言 &#x1f449;公众号&#x1f448;&#xff1a;测试开发自动化【获取源码商业合作】 &#x1f449;荣__誉&#x1f448;&#xff1a;阿里云博客专家博主、5…

0026Java程序设计-中学走读生信息管理系统设计与实现

文章目录 摘要**目录**系统设计开发环境 摘要 目前&#xff0c;中学走读生信息管理系统已经发展成为学校的学生走读管理工作中必不可少的一个组成部分&#xff0c;没有该系统&#xff0c;学生的日常工作就会变得繁琐、效率低下。在信息化的社会发展下&#xff0c;有必要建立一…

【VPX610】 青翼科技基于6U VPX总线架构的高性能实时信号处理平台

板卡概述 VPX610是一款基于6U VPX架构的高性能实时信号处理平台&#xff0c;该平台采用2片TI的KeyStone系列多核DSP TMS320C6678作为主处理单元&#xff0c;采用1片Xilinx的Virtex-7系列FPGA XC7VX690T作为协处理单元&#xff0c;具有2个FMC子卡接口&#xff0c;各个处理节点之…

成功率高达99%!美国伊利诺伊大学研究人员实现镱量子比特无损测量

研究人员通过无损测量镱-171量子比特实现了实时控制。&#xff08;图片来源&#xff1a;网络&#xff09; 金属镱-171原子可能在自然界中最接近完美量子比特。最近的一项研究展示了如何使用它们来进行重复的量子测量和量子比特自旋&#xff0c;这一研究成果将有助于可扩展量子…

蓝桥云课--1024 第 2 场算法双周赛

2-铺地板【算法赛】&#xff08;找规律&#xff09; 一、题目要求 二、思路 &#xff08;1&#xff09;因为每块地砖都是2*3的规格&#xff1a; 1.n<2或者m<2的时候&#xff0c;则不能使用上述规格的瓷砖 No 2.n<3或者m<3的时候&#xff0c;也不能使用上述规格…

30天精通Nodejs--第二天:模块系统与npm

深入了解Node.js&#xff1a;模块系统与npm Node.js作为一款强大的服务器端JavaScript运行环境&#xff0c;模块系统和npm&#xff08;Node Package Manager&#xff09;是其成功的重要组成部分。为我们平时提供了便捷的工具和资源&#xff0c;使得在Node.js平台上构建应用变得…

现在java和大数据选什么?

现在java和大数据选什么&#xff1f; 到底是选择大数据还是JAVA&#xff1f;”相信这个问题困惑着许多转行待定人士和高校专业待选的学生。 在普通人眼里可能会觉得这两个专业或者行业没啥区别&#xff0c;都是IT里的&#xff0c;能有啥大不同。这是第一层。最近很多小伙伴找我…

【Linux】MAC帧协议 + ARP协议

文章目录 &#x1f4d6; 前言1. 数据链路层2. MAC帧格式3. 再谈局域网4. ARP协议4.1 路由器的转发过程&#xff1a;4.2 ARP协议格式&#xff1a; 5. 如何获得目的MAC地址 &#x1f4d6; 前言 在学完网络层IP协议之后&#xff0c;本章我们将继续向下沉一层&#xff0c;进入到数…

深入浅出排序算法之希尔排序

目录 1. 原理 2. 代码实现 3. 性能分析 1. 原理 希尔排序法又称缩小增量法。希尔排序法的基本思想是&#xff1a;先选定一个整数&#xff0c;把待排序文件中所有记录分成个组&#xff0c;所有距离为的记录分在同一组内&#xff0c;并对每一组内的记录进行排序。然后&#xf…

详解预处理(1)

目录 预定义符号 预处理指令#define #define定义符号 #define定义宏 #define替换规则 #和##&#xff08;C语言预处理操作符&#xff09; # ## 带副作用的宏参数 宏和函数的对比 命名约定 在之前我们学习了一个文本文件.c生成一个可执行程序。今天我们详细讲解其中的…

01 # 手写 new 的原理

new 做了什么? 在构造器内部创建一个新的对象这个对象内部的隐式原型指向该构造函数的显式原型让构造器中的 this 指向这个对象执行构造器中的代码如果构造器中没有返回对象&#xff0c;则返回上面的创建出来的对象 手写 new 的过程 new 是一个运算符&#xff0c;只能通过函…

CSS隐藏元素的N种方法,你知道哪一种最适合你?

&#x1f3ac; 江城开朗的豌豆&#xff1a;个人主页 &#x1f525; 个人专栏 :《 VUE 》 《 javaScript 》 &#x1f4dd; 个人网站 :《 江城开朗的豌豆&#x1fadb; 》 ⛺️ 生活的理想&#xff0c;就是为了理想的生活 ! 目录 ⭐ 专栏简介 &#x1f4d8; 文章引言 一、前…

Camtasia2024永久激活码

真的要被录屏软件给搞疯了&#xff0c;本来公司说要给新人做个培训视频&#xff0c;想着把视频录屏一下&#xff0c;然后简单的剪辑一下就可以了。可谁知道录屏软件坑这么多&#xff0c;弄来弄去头都秃了&#xff0c;不过在头秃了几天之后&#xff0c;终于让我发现了一个值得“…