巧用 Matplotlib 动画,让你的 Python 可视化大放异彩

巧用 Matplotlib 动画

让你的 Python 可视化大放异彩

—  1 —

前言

• 一开始先设置一个 N×N 的网格（我的动画中用的是 50×50 ）；

• 接着随机地向格子中填充“小细胞”（一开始随机地从 2500 个格子中选取 1500 个进行填充）；

• 如果邻居小细胞少于等于 1 个，那格子中的小细胞会死掉；

• 如果邻居大于等于 4 个的也会死掉；

• 只有 2 个或 3 个邻居时可以生存；

• 空的格子中如果正好有 3 个邻居，则会长出 1 个新的“小细胞”；

—  2 —

建立网格

import time	
from IPython import display	
import matplotlib.pyplot as plt	
import matplotlib.animation as animation

• 我们需要一个 50×50 大小的网格；

• pad 变量可以使得计算邻居变得更容易。通过在边界外添加一层空白格子，我们就不需要额外再写一个逻辑来处理网格的边界。因此我们 50×50 的网格其实是被一圈空白格子包围着，这使得实际的 numpy 序列的大小为 52×52；

• initial_cels 变量表示在网格启动的时候我们想要多少“小细胞”。他们会被随机地分布在网格上。

# Input variables for the board	
boardsize = 50        # board will be X by X where X = boardsize	
pad = 2               # padded border, do not change this!	
initial_cells = 1500  # this number of initial cells will be placed	
                      # in randomly generated positions

# Get a list of random coordinates so that we can initialize	
# board with randomly placed organisms	
pos_list = []	
for i in range(initial_cells):	
    pos_list.append([random.randint(1, boardsize),	
                     random.randint(1, boardsize)])

# Initialize the board	
my_board = np.zeros((boardsize+pad, boardsize+pad))	
my_board = init_board(pos_list, my_board)

—  3 —

制作网格动画

# Required line for plotting the animation	
%matplotlib notebook	
# Initialize the plot of the board that will be used for animation	
fig = plt.gcf()

# Show first image - which is the initial board	
im = plt.imshow(my_board)	
plt.show()

# Helper function that updates the board and returns a new image of	
# the updated board animate is the function that FuncAnimation calls	
def animate(frame):	
    im.set_data(update_board(my_board))	
    return im,

• fig 是我们在前面创建的用来装载我们的动画的图形变量；

• animate 是 FuncAnimation() 用画面计数器进行沟通的函数（自动传入，不需要特别声明）

• frames 表示我们希望动画持续多少帧，在这里我们想要动画的长度为 200 帧；

• interval   表示每一帧之间间隔的毫秒数。我们想要每帧之间间隔 50 毫秒。

# This line creates the animation	
anim = animation.FuncAnimation(fig, animate, frames=200,	
                               interval=50)

—  4 —

总结

• 一个个地画出蒙特卡洛模拟数据，你能观察到最终的分布是如何逐步形成的；

• 按顺序遍历时间序列数据，可以描绘你的模型或数据在新的观察角度下有什么表现；

• 当你改变输入参数时，比如族群数，可以展现你的算法是如何划分族群的；

• 根据时间或不同的数据子集生成关联热力图，用于观察不同的样本是如何影响你的模型的预期参数的。

Github: https://github.com/yiuhyuk/game_of_life

来源：https://towardsdatascience.com/spice-up-your-python-visualizations-with-matplotlib-animations-d437d7e98e67

本文来自公众号读者翻译，欢迎各位童鞋向公号投稿，点击下面图片了解详情！

• 可视化神器推荐（Plotly Express）