matplotlib包和gif包生成gif

时间:2022-06-03 mighty13 人气:0

前言

使用matplotlib生成gif动画的方法有很多，一般常规使用matplotlib的animation模块的FuncAnimation函数实现。

在matplotlib官网看到了第三方动画包gif的介绍。

gif包概述

gif包是支持 Altair, matplotlib和Plotly的动画扩展。

gif依赖PIL，即pillow，要求Pillow>=7.1.2。

安装gif包，pip install gif

动画原理

所有动画都是由帧（frame）构成的，一帧就是一幅静止的画面，连续的帧就形成动画。我们通常说帧数，简单地说，就是在1秒钟时间里传输的图片的帧数，也可以理解为图形处理器每秒钟能够刷新几次，通常用fps（Frames Per Second）表示。

制作动画的关键：如何生成帧，每秒多少帧。

gif包解读

gif包非常简洁，只有一个单独的文件gif.py，文件主要包含options类、frames和save两个函数。

options类

提供精简版的Altair, matplotlib和Plotly的保存或输出设置。以matplotlib为例，提供以下设置。

dpi (int): The resolution in dots per inch
facecolor (colorspec): The facecolor of the figure
edgecolor (colorspec): The edgecolor of the figure
transparent (bool): If True, the axes patches will all be transparent

设置方法：gif.options.matplotlib["dpi"] = 300

原理：options在构造函数中创建matplotlib字典保存配置，随后传递给底层的matplotlib包。

frames函数

装饰器函数，通过对应包编写自定义绘图函数生成单帧图像。

save函数

根据帧序列生成动画。

def save(frames, path, duration=100, unit="milliseconds", between="frames", loop=True):
    """Save decorated frames to an animated gif.
    - frames (list): collection of frames built with the gif.frame decorator
    - path (str): filename with relative/absolute path
    - duration (int/float): time (with reference to unit and between)
    - unit {"ms" or "milliseconds", "s" or "seconds"}: time unit value
    - between {"frames", "startend"}: duration between "frames" or the entire gif ("startend")
    - loop (bool): infinitely loop the animation

frames即根据@gif.frame装饰的绘图函数生成的帧的序列，此处根据需要自定义。

duration即持续时间，由单位unit和模式between决定，默认为frames为帧间的时间间隔。

unit即持续时间单位，支持毫秒和秒，默认为毫秒。

between即持续时间计算模式，默认frames即duration为帧之间的时间间隔，startend模式时duration=duration /len(frames)，即duration为所有帧—整个动画的持续时间。

gif包生成gif动画实践

import random
from matplotlib import pyplot as plt
import gif

# 构造数据
x = [random.randint(0, 100) for _ in range(100)]
y = [random.randint(0, 100) for _ in range(100)]
#设置选项
gif.options.matplotlib["dpi"] = 300
#使用gif.frame装饰器构造绘图函数，即如何生成静态的帧
@gif.frame
def plot(i):
    xi = x[i*10:(i+1)*10]
    yi = y[i*10:(i+1)*10]
    plt.scatter(xi, yi)
    plt.xlim((0, 100))
    plt.ylim((0, 100))
# 构造帧序列frames，即把生成动画的所有帧按顺序放在列表中
frames = []
for i in range(10):
    frame = plot(i)
    frames.append(frame)
# 根据帧序列frames,动画持续时间duration，生成gif动画
gif.save(frames, 'example.gif', duration=3.5, unit="s", between="startend")

以心形曲线为例比较gif包和animation模块实现动画的差异

gif包的实现方式

import numpy as np
import gif
from matplotlib import pyplot as plt

t = np.linspace(0, 6, 100)
x = 16 * np.sin(t) ** 3
y = 13 * np.cos(t) - 5 * np.cos(2 * t) - 2 * np.cos(3 * t) - np.cos(4 * t)

@gif.frame
def plot_love(x, y):
    plt.figure(figsize=(5, 3), dpi=100)
    plt.scatter(x, y, 60, c="r", alpha=0.7, marker=r"$\heartsuit$")
    plt.axis("off")
    
frames = []
for i in range(1, len(x)):
    of = plot_love(x[:i], y[:i])
    frames.append(of)

gif.save(frames, "love.gif", duration=80)

matplotlib 常规FuncAnimation函数实现方式

from matplotlib import pyplot as plt
import matplotlib.animation as animation
import numpy as np

t = np.linspace(0, 6, 100)
x = 16 * np.sin(t) ** 3
y = 13 * np.cos(t) - 5 * np.cos(2 * t) - 2 * np.cos(3 * t) - np.cos(4 * t)
data=[i for i in zip(x,y)]

def plot_love(data):
    x, y = data
    plt.scatter(x, y, 60, c="r", alpha=0.7, marker=r"$\heartsuit$")

fig=plt.figure(figsize=(5, 3), dpi=100)
plt.axis("off")
animator = animation.FuncAnimation(fig, plot_love, frames=data, interval=80)
animator.save("love.gif", writer='pillow')

matplotlib底层PillowWriter类实现方式

from matplotlib import pyplot as plt
import matplotlib.animation as animation
import numpy as np

t = np.linspace(0, 6, 100)
x = 16 * np.sin(t) ** 3
y = 13 * np.cos(t) - 5 * np.cos(2 * t) - 2 * np.cos(3 * t) - np.cos(4 * t)

def plot_love(x,y):
    plt.scatter(x, y, 60, c="r", alpha=0.7, marker=r"$\heartsuit$")

fig=plt.figure(figsize=(5, 3), dpi=100)
plt.axis("off")

writer = animation.PillowWriter(fps=15)
with writer.saving(fig, "love1.gif"):
    for i in range(1, len(x)):
        of = plot_love(x[i], y[i])
        writer.grab_frame()

比较结果

通过比较可知gif包的实现方式和matplotlib中利用PillowWriter实现方式类似，更偏底层一些，这样遇到比较复杂的绘图时更灵活。

总结

加载全部内容