如何制作散点图动画

Question

我正在尝试制作散点图的动画，其中点的颜色和大小在动画的不同阶段发生变化。对于数据，我有两个带有 x 值和 y 值的 numpy ndarray：

data.shape = (ntime, npoint)
x.shape = (npoint)
y.shape = (npoint)

现在我想绘制该类型的散点图

pylab.scatter(x,y,c=data[i,:])

并在索引 i 上创建动画。我该怎么做？

Answer 1

假设您有一个散点图，scat = ax.scatter(...)，那么您可以

• 更改位置

   scat.set_offsets(数组)
  

其中 array 是 x 和 y 坐标的 N x 2 形状数组。

• 更改尺寸

   scat.set_sizes(数组)
  

，其中array是尺寸以点为单位的一维数组。

• 更改颜色

   scat.set_array(数组)
  

，其中array是将要进行颜色映射的一维值数组。

下面是一个使用动画模块的简单示例。
它比实际需要的稍微复杂一些，但这应该为您提供一个框架来完成更奇特的事情。

（代码于 2019 年 4 月进行了编辑，以便与当前版本兼容。有关旧代码，请参阅修订历史记录） >

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

class AnimatedScatter(object):
    """An animated scatter plot using matplotlib.animations.FuncAnimation."""
    def __init__(self, numpoints=50):
        self.numpoints = numpoints
        self.stream = self.data_stream()

        # Setup the figure and axes...
        self.fig, self.ax = plt.subplots()
        # Then setup FuncAnimation.
        self.ani = animation.FuncAnimation(self.fig, self.update, interval=5, 
                                          init_func=self.setup_plot, blit=True)

    def setup_plot(self):
        """Initial drawing of the scatter plot."""
        x, y, s, c = next(self.stream).T
        self.scat = self.ax.scatter(x, y, c=c, s=s, vmin=0, vmax=1,
                                    cmap="jet", edgecolor="k")
        self.ax.axis([-10, 10, -10, 10])
        # For FuncAnimation's sake, we need to return the artist we'll be using
        # Note that it expects a sequence of artists, thus the trailing comma.
        return self.scat,

    def data_stream(self):
        """Generate a random walk (brownian motion). Data is scaled to produce
        a soft "flickering" effect."""
        xy = (np.random.random((self.numpoints, 2))-0.5)*10
        s, c = np.random.random((self.numpoints, 2)).T
        while True:
            xy += 0.03 * (np.random.random((self.numpoints, 2)) - 0.5)
            s += 0.05 * (np.random.random(self.numpoints) - 0.5)
            c += 0.02 * (np.random.random(self.numpoints) - 0.5)
            yield np.c_[xy[:,0], xy[:,1], s, c]

    def update(self, i):
        """Update the scatter plot."""
        data = next(self.stream)

        # Set x and y data...
        self.scat.set_offsets(data[:, :2])
        # Set sizes...
        self.scat.set_sizes(300 * abs(data[:, 2])**1.5 + 100)
        # Set colors..
        self.scat.set_array(data[:, 3])

        # We need to return the updated artist for FuncAnimation to draw..
        # Note that it expects a sequence of artists, thus the trailing comma.
        return self.scat,


if __name__ == '__main__':
    a = AnimatedScatter()
    plt.show()

如果您使用 OSX 并使用 OSX 后端，则需要更改下面的 FuncAnimation 初始化中的 blit=True 更改为 blit=False。 OSX 后端不完全支持位块传送。性能会受到影响，但该示例应该在禁用位块传输的 OSX 上正确运行。

---

对于一个仅更新颜色的更简单的示例，请查看以下内容：

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

def main():
    numframes = 100
    numpoints = 10
    color_data = np.random.random((numframes, numpoints))
    x, y, c = np.random.random((3, numpoints))

    fig = plt.figure()
    scat = plt.scatter(x, y, c=c, s=100)

    ani = animation.FuncAnimation(fig, update_plot, frames=range(numframes),
                                  fargs=(color_data, scat))
    plt.show()

def update_plot(i, data, scat):
    scat.set_array(data[i])
    return scat,

main()

Answer 2

我写了 celluloid 来使这更容易。通过示例显示可能是最简单的：

import matplotlib.pyplot as plt
from matplotlib import cm
import numpy as np
from celluloid import Camera

numpoints = 10
points = np.random.random((2, numpoints))
colors = cm.rainbow(np.linspace(0, 1, numpoints))
camera = Camera(plt.figure())
for _ in range(100):
    points += 0.1 * (np.random.random((2, numpoints)) - .5)
    plt.scatter(*points, c=colors, s=100)
    camera.snap()
anim = camera.animate(blit=True)
anim.save('scatter.mp4')

它在底层使用 ArtistAnimation。 camera.snap 捕获用于在动画中创建帧的图形的当前状态。

编辑：为了量化它使用了多少内存，我通过 memory_profiler 运行它。

Line #    Mem usage    Increment   Line Contents
================================================
    11     65.2 MiB     65.2 MiB   @profile
    12                             def main():
    13     65.2 MiB      0.0 MiB       numpoints = 10
    14     65.2 MiB      0.0 MiB       points = np.random.random((2, numpoints))
    15     65.2 MiB      0.1 MiB       colors = cm.rainbow(np.linspace(0, 1, numpoints))
    16     65.9 MiB      0.6 MiB       fig = plt.figure()
    17     65.9 MiB      0.0 MiB       camera = Camera(fig)
    18     67.8 MiB      0.0 MiB       for _ in range(100):
    19     67.8 MiB      0.0 MiB           points += 0.1 * (np.random.random((2, numpoints)) - .5)
    20     67.8 MiB      1.9 MiB           plt.scatter(*points, c=colors, s=100)
    21     67.8 MiB      0.0 MiB           camera.snap()
    22     70.1 MiB      2.3 MiB       anim = camera.animate(blit=True)
    23     72.1 MiB      1.9 MiB       anim.save('scatter.mp4')

总结一下：

• 创建 100 个绘图使用了 1.9 MiB。
• 制作动画使用了 2.3 MiB。
• 这种制作动画的方法总共使用了 4.2 MiB 内存。

Answer 3

TL/DR：如果您在使用 ax.set_... 方法制作散点图动画时遇到问题，您可以尝试仅清除每帧的绘图（即, ax.clear()) 并根据需要重新绘制内容。这较慢，但当您想在小动画中更改很多内容时可能会很有用。

---

以下是演示这种“清晰”方法的示例：

import itertools

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

# set parameters
frames = 10
points = 20
np.random.seed(42)

# create data
data = np.random.rand(points, 2)

# set how the graph will change each frame
sizes = itertools.cycle([10, 50, 150])
colors = np.random.rand(frames, points)
colormaps = itertools.cycle(['Purples', 'Blues', 'Greens', 'Oranges', 'Reds'])
markers = itertools.cycle(['o', 'v', '^', 's', 'p'])

# init the figure
fig, ax = plt.subplots(figsize=(5,5))

def update(i):
    # clear the axis each frame
    ax.clear()

    # replot things
    ax.scatter(data[:, 0], data[:, 1],
               s=next(sizes),
               c=colors[i, :],
               cmap=next(colormaps),
               marker=next(markers))

    # reformat things
    ax.set_xlabel('world')
    ax.set_ylabel('hello')

ani = animation.FuncAnimation(fig, update, frames=frames, interval=500)
ani.save('scatter.gif', writer='pillow')

我从 matplotlib 和其他来源看到的教程似乎没有使用这种方法，但我看到其他人（以及我自己）建议这样做这个网站。我看到了一些优点和缺点缺点，但我会欣赏其他人的想法：

优点

• 您可以避免使用 set_... 方法来绘制散点图（即 .set_offsets()、. set_sizes(), ...)，其中有更晦涩且不太详细的文档（尽管主要答案会让您走得很远！）。另外，不同的绘图类型有不同的方法（例如，您可以使用set_data来绘制线条，但不能使用散点）。通过清除轴，您可以像 matplotlib 中的任何其他绘图一样确定每帧的绘制元素。
• 更重要的是，尚不清楚某些属性是否可以设置，例如标记类型（如注释）或颜色图。例如，由于标记和颜色图的更改，我不知道如何使用 ax.set_... 创建上述绘图。但这对于 ax.scatter() 来说是非常基本的。

缺点

• 可能会慢很多；即清除和重绘所有内容似乎比 set... 方法更昂贵。所以对于大型动画来说，这种方法可能有点痛苦。
• 清除轴也会清除轴标签、轴限制、其他文本等内容。因此，这些类型的格式化内容需要包含在 update 中（否则它们将消失）。如果您希望更改某些内容，但其他内容保持不变，这可能会很烦人。

当然，速度是一个很大的缺点。这是一个显示差异的示例。给定此数据：

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

np.random.seed(42)
frames = 40

x = np.arange(frames)
y = np.sin(x)
colors = itertools.cycle(['red', 'orange', 'yellow', 'green', 'blue', 'indigo', 'violet'])
data = [(np.random.uniform(-1, 1, 10) + x[i],
         np.random.uniform(-1, 1, 10) + y[i])
        for i in range(frames)]

您可以使用 set... 方法进行绘图：

fig, ax = plt.subplots()

s = ax.scatter([], [])

ax.set_xlim(-2, frames+2)
ax.set_ylim(min(y) - 1, max(y) + 1)

def update(i):
    s.set_offsets(np.column_stack([data[i][0], data[i][1]]))
    s.set_facecolor(next(colors))

ani = animation.FuncAnimation(fig, update, frames=frames, interval=100)
ani.save('set.gif', writer='pillow')

或“clear”方法：

fig, ax = plt.subplots()

def update(i):
    ax.clear()
    ax.scatter(data[i][0], data[i][1], c=next(colors))
    ax.set_xlim(-2, frames+2)
    ax.set_ylim(min(y) - 1, max(y) + 1)

ani = animation.FuncAnimation(fig, update, frames=frames, interval=100)
ani.save('clear.gif', writer='pillow')

要获取此图：

使用 %%time，我们可以看到清除和重新绘制需要（更多比）两倍长：

• 对于set...：Wall time：1.33 s
• 对于clear：Wall time： 2.73 s

使用 frames 参数在不同的比例下进行测试。对于较小的动画（较少的帧/数据），两种方法之间的时间差异无关紧要（对我来说，有时会导致我更喜欢清除方法）。但对于较大的情况，使用 set_... 可以节省大量时间。

Answer 4

事情是这样的。我曾经是 Qt 和 Matlab 的用户，对 matplotlib 上的动画系统不太熟悉。

但我确实找到了一种方法，可以制作你想要的任何类型的动画，就像在 matlab 中一样。它真的很强大。无需检查模块引用，您就可以绘制任何您想要的内容。所以我希望它能有所帮助。

基本思想是使用 PyQt 内部的时间事件（我确信 Python 上的其他 Gui 系统如 wxPython 和 TraitUi 具有相同的内部机制来进行事件响应。但我只是不知道如何）。每次调用 PyQt 的 Timer 事件时，我都会刷新整个画布并重新绘制整个图片，我知道速度和性能可能会慢慢受到影响，但影响不大。

这是一个小例子：

import sys
from PyQt4 import QtGui

from matplotlib.figure import Figure
from matplotlib.backends.backend_qt4agg import FigureCanvasQTAgg as FigureCanvas

import numpy as np


class Monitor(FigureCanvas):
    def __init__(self):
        self.fig = Figure()
        self.ax = self.fig.add_subplot(111)

        FigureCanvas.__init__(self, self.fig)
        self.x = np.linspace(0,5*np.pi,400)
        self.p = 0.0
        self.y = np.sin(self.x+self.p)


        self.line = self.ax.scatter(self.x,self.y)

        self.fig.canvas.draw()

        self.timer = self.startTimer(100)


    def timerEvent(self, evt):
        # update the height of the bars, one liner is easier
        self.p += 0.1
        self.y = np.sin(self.x+self.p)
        self.ax.cla()
        self.line = self.ax.scatter(self.x,self.y)

        self.fig.canvas.draw()



if __name__ == "__main__":
    app = QtGui.QApplication(sys.argv)
    w = Monitor()
    w.setWindowTitle("Convergence")
    w.show()
    sys.exit(app.exec_())

您可以在

 self.timer = self.startTimer(100)

我就像你一样想使用动画散点图来制作排序动画。但我就是找不到所谓的“设置”功能。所以我刷新了整个画布。

希望有帮助..

Answer 5

为什么不试试这个

import numpy as np
import matplotlib.pyplot as plt

x=np.random.random()
y=np.random.random()

fig, ax = plt.subplots()
ax.scatter(x,y,color='teal')
ax.scatter(y,x,color='crimson')
ax.set_xlim([0,1])
ax.set_ylim([0,1])

for i in np.arange(50):
    x=np.random.random()
    y=np.random.random()
    bha=ax.scatter(x,y)
    plt.draw()
    plt.pause(0.5)
    bha.remove()

plt.show()