animation label animation翻译
一、Python如何实现数据动态化
Python有些出色的数据可视化库，但很少能渲染GIF或视频动画。本文介绍如何运用MoviePy作为其他库的通用动画插件。
有了MoviePy，你可以用一个函数make_frame(t)自定义动画，并返回相应的时间t的视频帧（秒）：
Python123456789101112frommoviepy.editorimportVideoClipdefmake_frame(t):"""returnsanimageoftheframeattimet"""#...createtheframewithanylibraryreturnframe_for_time_t#(HeightxWidthx3)Numpyarrayanimation=VideoClip(make_frame,duration=3)#3-secondclip#Fortheexport,manyoptions/formats/optimizationsaresupportedanimation.write_videofile("my_animation.mp4",fps=24)#exportasvideoanimation.write_gif("my_animation.gif",fps=24)#exportasGIF(slow)在之前的文章中，我用这种方法来做制作矢量图形动画（用Gizeh库），和光线追踪三维场景（由POV-Ray做出）。这篇文章包括MayaVi、vispy、matplotlib、NumPy和Scikit-image这些科学库。
用Mayavi的动画
Mayavi是一个针对有简单接口的交互3D数据可视化的Python模块。在第一个例子中，我们做一个高度随时间t变化的表面的动画：
Python12345678910111213141516171819202122importnumpyasnpimportmayavi.mlabasmlabimportmoviepy.editorasmpyduration=2#durationoftheanimationinseconds(itwillloop)#MAKEAFIGUREWITHMAYAVIfig_myv=mlab.figure(size=(220,220),bgcolor=(1,1,1))X,Y=np.linspace(-2,2,200),np.linspace(-2,2,200)XX,YY=np.meshgrid(X,Y)ZZ=lambdad:np.sinc(XX**2+YY**2)+np.sin(XX+d)#ANIMATETHEFIGUREWITHMOVIEPY,WRITEANANIMATEDGIFdefmake_frame(t):mlab.clf()#clearthefigure(toresetthecolors)mlab.mesh(YY,XX,ZZ(2*np.pi*t/duration),figure=fig_myv)returnmlab.screenshot(antialiased=True)animation=mpy.VideoClip(make_frame,duration=duration)animation.write_gif("sinc.gif",fps=20)另一个例子是一个坐标和观看角度都随时间变化的线框网：
Python12345678910111213141516171819202122232425262728importnumpyasnpimportmayavi.mlabasmlabimportmoviepy.editorasmpyduration=2#durationoftheanimationinseconds(itwillloop)#MAKEAFIGUREWITHMAYAVIfig=mlab.figure(size=(500,500),bgcolor=(1,1,1))u=np.linspace(0,2*np.pi,100)xx,yy,zz=np.cos(u),np.sin(3*u),np.sin(u)#Pointsl=mlab.plot3d(xx,yy,zz,representation="wireframe",tube_sides=5,line_width=.5,tube_radius=0.2,figure=fig)#ANIMATETHEFIGUREWITHMOVIEPY,WRITEANANIMATEDGIFdefmake_frame(t):"""Generatesandreturnstheframefortimet."""y=np.sin(3*u)*(0.2+0.5*np.cos(2*np.pi*t/duration))l.mlab_source.set(y=y)#changey-coordinatesofthemeshmlab.view(azimuth=360*t/duration,distance=9)#cameraanglereturnmlab.screenshot(antialiased=True)#returnaRGBimageanimation=mpy.VideoClip(make_frame,duration=duration).resize(0.5)#Videogenerationtakes10seconds,GIFgenerationtakes25sanimation.write_videofile("wireframe.mp4",fps=20)animation.write_gif("wireframe.gif",fps=20)因为Mayavi有着强大的ITK可视化引擎，它还可以处理复杂数据集。这里有一个源自于Mayavi例子的动画
代码
AnimationswithVispy用Vispy的动画
Vispy是另一个以OpenGL为基础的交互3D可视化库。至于Mayavi，我们用MoviePy先做出一个图和一个网。
Python12345678910111213141516171819202122232425262728frommoviepy.editorimportVideoClipimportnumpyasnpfromvispyimportapp,scenefromvispy.gloo.utilimport_screenshotcanvas=scene.SceneCanvas(keys='interactive')view=canvas.central_widget.add_view()view.set_camera('turntable',mode='perspective',up='z',distance=2,azimuth=30.,elevation=65.)xx,yy=np.arange(-1,1,.02),np.arange(-1,1,.02)X,Y=np.meshgrid(xx,yy)R=np.sqrt(X**2+Y**2)Z=lambdat:0.1*np.sin(10*R-2*np.pi*t)surface=scene.visuals.SurfacePlot(x=xx-0.1,y=yy+0.2,z=Z(0),shading='smooth',color=(0.5,0.5,1,1))view.add(surface)canvas.show()#ANIMATEWITHMOVIEPYdefmake_frame(t):surface.set_data(z=Z(t))#Updatethemathematicalsurfacecanvas.on_draw(None)#UpdatetheimageonVispy'scanvasreturn_screenshot((0,0,canvas.size[0],canvas.size[1]))[:,:,:3]animation=VideoClip(make_frame,duration=1).resize(width=350)animation.write_gif('sinc_vispy.gif',fps=20,opt='OptimizePlus')还有一些更高级的例子（源自于Vispy库），它是用C代码片段中嵌入Python代码，微调了3D渲染的：
代码
代码
用Matplotlib的动画
2D/3D绘图库Matplotlib已经有了动画模块，但我发现moviepy可以做出更轻量级，质量更好的视频，却达到了两倍的速度（不知道为什么？在这里看到更多细节）。这里有个如何使用matplotlib和moviepy的例子：
Python123456789101112131415161718192021222324importmatplotlib.pyplotaspltimportnumpyasnpfrommoviepy.video.io.bindingsimportmplfig_to_npimageimportmoviepy.editorasmpy#DRAWAFIGUREWITHMATPLOTLIBduration=2fig_mpl,ax=plt.subplots(1,figsize=(5,3),facecolor='white')xx=np.linspace(-2,2,200)#thexvectorzz=lambdad:np.sinc(xx**2)+np.sin(xx+d)#the(changing)zvectorax.set_title("Elevationiny=0")ax.set_ylim(-1.5,2.5)line,=ax.plot(xx,zz(0),lw=3)#ANIMATEWITHMOVIEPY(UPDATETHECURVEFOREACHt).MAKEAGIF.defmake_frame_mpl(t):line.set_ydata(zz(2*np.pi*t/duration))#<=Updatethecurvereturnmplfig_to_npimage(fig_mpl)#RGBimageofthefigureanimation=mpy.VideoClip(make_frame_mpl,duration=duration)animation.write_gif("sinc_mpl.gif",fps=20)Matplotlib有很多漂亮的主题，而且和像Pandas或Scikit-Learn这些数字模块能很好配合。让我们看一个SVM分类器，以更好地明白训练点的数量增加时的地图。
Python1234567891011121314151617181920212223242526272829303132importnumpyasnpimportmatplotlib.pyplotaspltfromsklearnimportsvm#sklearn=scikit-learnfromsklearn.datasetsimportmake_moonsfrommoviepy.editorimportVideoClipfrommoviepy.video.io.bindingsimportmplfig_to_npimageX,Y=make_moons(50,noise=0.1,random_state=2)#semi-randomdatafig,ax=plt.subplots(1,figsize=(4,4),facecolor=(1,1,1))fig.subplots_adjust(left=0,right=1,bottom=0)xx,yy=np.meshgrid(np.linspace(-2,3,500),np.linspace(-1,2,500))defmake_frame(t):ax.clear()ax.axis('off')ax.set_title("SVCclassification",fontsize=16)classifier=svm.SVC(gamma=2,C=1)#thevaryingweightsmakethepointsappearoneaftertheotherweights=np.minimum(1,np.maximum(0,t**2+10-np.arange(50)))classifier.fit(X,Y,sample_weight=weights)Z=classifier.decision_function(np.c_[xx.ravel(),yy.ravel()])Z=Z.reshape(xx.shape)ax.contourf(xx,yy,Z,cmap=plt.cm.bone,alpha=0.8,vmin=-2.5,vmax=2.5,levels=np.linspace(-2,2,20))ax.scatter(X[:,0],X[:,1],c=Y,s=50*weights,cmap=plt.cm.bone)returnmplfig_to_npimage(fig)animation=VideoClip(make_frame,duration=7)animation.write_gif("svm.gif",fps=15)简单明了，背景色代表分类器辨识黑点和白点属于哪里。在一开始没有真正的线索，但随着更多的点出钱，月牙形分布区域渐渐显现了。
用Numpy的动画
如果你正用着Numpy数组（Numpy是一个Python的中央数字库），你不需要任何外部绘图库，你可以直接将这些数组馈入MoviePy。
这通过模拟在法国的僵尸爆发（灵感来自MaxBerggren的博客，伯乐在线已有全文翻译：《用Python在地图上模拟疫情扩散》）。法国被仿作一个所有分散和感染的计算都完成的网格（NumPy数组）。每隔一段时间，一些NumPy操作变换网格为有效的RGB图像，并将其发送到Moviepy。
代码
把动画放到一起
什么比一个动画更好呢？两个动画！你可以利用MoviePy视频合成功能，来混合来自不同库的动画：
Python123456importmoviepy.editorasmpy#WeusetheGIFsgeneratedearliertoavoidrecomputingtheanimations.clip_mayavi=mpy.VideoFileClip("sinc.gif")clip_mpl=mpy.VideoFileClip("sinc_mpl.gif").resize(height=clip_mayavi.h)animation=mpy.clips_array([[clip_mpl,clip_mayavi]])animation.write_gif("sinc_plot.gif",fps=20)Orforsomethingmoreartistic:
Python12345678#Makethewhitecolortransparentinclip_mayaviclip_mayavi2=(clip_mayavi.fx(mpy.vfx.mask_color,[255,255,255]).set_opacity(.4)#wholeclipissemi-transparent.resize(height=0.85*clip_mpl.h).set_pos('center'))animation=mpy.CompositeVideoClip([clip_mpl,clip_mayavi2])animation.write_gif("sinc_plot2.gif",fps=20)也许有点太快了，但有时你必须给你的观众一些可以让他们议论的东西。
你也可以注解动画，当比较不同的过滤器或算法时，注解动画很实用。让我们看看四张由库scikit-image变换的图像：
Python1234567891011121314151617181920212223242526importmoviepy.editorasmpyimportskimage.exposureasske#rescaling,histogrameq.importskimage.filterasskf#gaussianblurclip=mpy.VideoFileClip("sinc.gif")gray=clip.fx(mpy.vfx.blackwhite).to_mask()defapply_effect(effect,title,**kw):"""Returnsaclipwiththeeffectappliedandatitle"""filtr=lambdaim:effect(im,**kw)new_clip=gray.fl_image(filtr).to_RGB()txt=(mpy.TextClip(title,font="Purisa-Bold",fontsize=15).set_position(("center","top")).set_duration(clip.duration))returnmpy.CompositeVideoClip([new_clip,txt])#Apply4differenteffectstotheoriginalanimationequalized=apply_effect(ske.equalize_hist,"Equalized")rescaled=apply_effect(ske.rescale_intensity,"Rescaled")adjusted=apply_effect(ske.adjust_log,"Adjusted")blurred=apply_effect(skf.gaussian_filter,"Blurred",sigma=4)#Puttheclipstogetherona2x2grid,andwritetoafile.finalclip=mpy.clips_array([[equalized,adjusted],[blurred,rescaled]])final_clip.write_gif("test2x2.gif",fps=20)如果我们把CompositeVideoClip和clips_array替代成concatenate_videoclips，我们得到标题效果式动画：
Python12345678910111213141516171819202122232425importmoviepy.editorasmpyimportskimage.exposureasskeimportskimage.filterasskfclip=mpy.VideoFileClip("sinc.gif")gray=clip.fx(mpy.vfx.blackwhite).to_mask()defapply_effect(effect,label,**kw):"""Returnsaclipwiththeeffectappliedandatoplabel"""filtr=lambdaim:effect(im,**kw)new_clip=gray.fl_image(filtr).to_RGB()txt=(mpy.TextClip(label,font="Amiri-Bold",fontsize=25,bg_color='white',size=new_clip.size).set_position(("center")).set_duration(1))returnmpy.concatenate_videoclips([txt,new_clip])equalized=apply_effect(ske.equalize_hist,"Equalized")rescaled=apply_effect(ske.rescale_intensity,"Rescaled")adjusted=apply_effect(ske.adjust_log,"Adjusted")blurred=apply_effect(skf.gaussian_filter,"Blurred",sigma=4)clips=[equalized,adjusted,blurred,rescaled]animation=mpy.concatenate_videoclips(clips)animation.write_gif("sinc_cat.gif",fps=15)最终，处理视频数据时，MoviePy会非常好用，因为这是它的首要任务。最后一个例子，我们通过视频帧阈值和白色像素计数，估计一个细菌种群大小。第三面板显示，人口规模呈指数增长的时间。
代码
一个库就可以做所有动画了？
我希望给了你足够的例子，来提升你的同事对你下次展示中的印象。总之要他的输出能被转换成Numpy数组，其他的库也能用MoviePy来做动画。
一些库有自己的动画模块，但是修复和维护很痛苦！感谢那些在不同背景下测试MoviePy的人们，它变得更稳定了（除非没人再报bug），而且可以适用于各种环境。MoviePy仍有很多要去做的，但如果作者开始依靠它来做视频和GIF渲染，像Pandas和scikit-Learn依赖matplotlib做绘制，那会很好。
为了本文的完整性，同时也为了更好地满足您的需要，我必须提到的ImageIO，这是另一个可以编写视频的Python库，它专注于提供一个非常简单的接口来读取或写入任何图像，视频或容积数据。比如你用imwrite()写图像，用mimwrite()写视频/GIF，用volwrite()写体积数据，或只是write()写流数据。
二、matplotlib详细教程
您好！Matplotlib是Python中最流行的绘图库之一，它提供了丰富的绘图工具和API，可以用于创建各种类型的图形，包括折线图、散点图、柱状图、饼图、等高线图等等。下面我将为您详细介绍Matplotlib的使用。
Matplotlib的安装
Matplotlib可以通过pip安装，命令如下：
```
pipinstallmatplotlib
```
Matplotlib的基本绘图
Matplotlib的基本绘图包括导入库、创建图形、创建坐标轴、绘制图形和添加标签等步骤。下面是一个简单的例子：
```python
importmatplotlib.pyplotasplt
#创建图形和坐标轴
fig,ax=plt.subplots()
#绘制折线图
x=[1,2,3,4,5]
y=[1,4,9,16,25]
ax.plot(x,y)
#添加标签
ax.set_xlabel('XLabel')
ax.set_ylabel('YLabel')
ax.set_title('Title')
#显示图形
plt.show()
```
Matplotlib的图形类型
Matplotlib支持多种类型的图形，包括折线图、散点图、柱状图、饼图、等高线图等等。下面是一些常见的图形类型及其绘制方法：
-折线图：使用`plot()`方法绘制，可以设置线条颜色、线型、标记等属性。
-散点图：使用`scatter()`方法绘制，可以设置点的大小、颜色、标记等属性。
-柱状图：使用`bar()`或`barh()`方法绘制，可以设置柱子的宽度、颜色、标签等属性。
-饼图：使用`pie()`方法绘制，可以设置饼图的大小、颜色、标签等属性。
-等高线图：使用`contour()`或`contourf()`方法绘制，可以设置等高线的颜色、标签等属性。
Matplotlib的样式设置
Matplotlib提供了丰富的样式设置，可以通过修改图形、坐标轴、标签等属性来实现。下面是一些常见的样式设置方法：
-修改图形属性：可以设置图形大小、背景色、边框等属性。
-修改坐标轴属性：可以设置坐标轴范围、刻度、标签等属性。
-修改标签属性：可以设置标签的字体、大小、颜色等属性。
Matplotlib的题外扩展
除了基本的绘图功能，Matplotlib还提供了许多高级功能，如3D绘图、动画、交互式绘图等等。下面是一些扩展功能的介绍：
-3D绘图：Matplotlib提供了`mplot3d`模块，可以用于创建3D图形，包括散点图、曲面图、等高线图等等。
-动画：Matplotlib提供了`animation`模块，可以用于创建动画效果，包括基于时间的动画、基于事件的动画等等。
-交互式绘图：Matplotlib提供了`ipywidgets`模块，可以用于创建交互式绘图，包括滑块、按钮、下拉菜单等等。
总之，Matplotlib是Python中最流行的绘图库之一，它提供了丰富的绘图工具和API，可以用于创建各种类型的图形。希望我的回答能够对您有所帮助！