|
作者 | Tony Yiu
翻譯 | Hanz
整理 | Lemonbit
譯文出品 | Python數(shù)據(jù)之道 如果你對本文的代碼感興趣，可以去 Github （文末提供）里查看。第一次運(yùn)行的時(shí)候會(huì)報(bào)一個(gè)錯(cuò)誤（還沒找到解決辦法），不過只要再運(yùn)行一次就正常了。這篇文章雖然不是篇典型的數(shù)據(jù)科學(xué)類文章，不過它涉及到數(shù)據(jù)科學(xué)以及商業(yè)智能的應(yīng)用。Python 的 Matplotlib 是最常用的圖表繪制以及數(shù)據(jù)可視化庫。我們對折線圖、柱狀圖以及熱力圖都比較熟悉，但你知道用 Matplotlib 還能做簡單的動(dòng)畫嗎？下面就是用 Matplotlib 制作動(dòng)畫的例子。展示的是 John Conway 的 《The Game of Life》，這是一個(gè) Metis（數(shù)據(jù)科學(xué)夏令營）中的編程挑戰(zhàn)題目，同時(shí)給了我一個(gè)機(jī)會(huì)來制作我的第一個(gè) Python 動(dòng)畫?？纯唇Y(jié)果的動(dòng)圖：
這篇文章的重點(diǎn)還是主要放在 python 中如何用 Matploylib 制作動(dòng)畫。
但如果你不太熟悉模擬游戲的話（它更像是可以看的模擬動(dòng)畫，而非可以玩的游戲），我來給大家介紹一下規(guī)則：一開始先設(shè)置一個(gè) N×N 的網(wǎng)格（我的動(dòng)畫中用的是 50×50 ）； 接著隨機(jī)地向格子中填充“小細(xì)胞”（一開始隨機(jī)地從 2500 個(gè)格子中選取 1500 個(gè)進(jìn)行填充）； 如果鄰居小細(xì)胞少于等于 1 個(gè)，那格子中的小細(xì)胞會(huì)死掉； 如果鄰居大于等于 4 個(gè)的也會(huì)死掉； 只有 2 個(gè)或 3 個(gè)鄰居時(shí)可以生存； 空的格子中如果正好有 3 個(gè)鄰居，則會(huì)長出 1 個(gè)新的“小細(xì)胞”。
import time
from IPython import display
import matplotlib.pyplot as plt
import matplotlib.animation as animation
我們會(huì)利用 Matploylib 動(dòng)畫模塊中的 FuncAnimation() 函數(shù)。 FuncAnimation()是通過多次調(diào)用一個(gè)函數(shù)并逐次更新圖片來實(shí)現(xiàn)讓圖片動(dòng)起來的。 我們來一步步地實(shí)現(xiàn)這個(gè)過程。但首先，我們需要先初始化我們的網(wǎng)格。下面的幾行代碼用來存儲(chǔ)我們輸入的數(shù)據(jù)：我們需要一個(gè) 50×50 大小的網(wǎng)格； pad 變量可以使得計(jì)算鄰居變得更容易。通過在邊界外添加一層空白格子，我們就不需要額外再寫一個(gè)邏輯來處理網(wǎng)格的邊界。因此我們 50×50 的網(wǎng)格其實(shí)是被一圈空白格子包圍著，這使得實(shí)際的 numpy 序列的大小為 52×52； initial_cels 變量表示在網(wǎng)格啟動(dòng)的時(shí)候我們想要多少“小細(xì)胞”。他們會(huì)被隨機(jī)地分布在網(wǎng)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
接下來我們隨機(jī)地生成一系列“小細(xì)胞”的初始坐標(biāo)（上面我們選擇了 1500 個(gè)）。把這些坐標(biāo)存儲(chǔ)在 pos_list 變量中。# 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)])
然后我們是時(shí)候該初始化網(wǎng)格了。我們會(huì)用一組叫 my_board 的 numpy 序列來代表我們的網(wǎng)格——我們先生成一個(gè) 52×52 數(shù)值為 0 的矩陣序列作為開始（比 50×50 大是由于增加了空白邊緣），然后調(diào)用 init_board() 函數(shù)來根據(jù) pos_list 中的坐標(biāo)把“小細(xì)胞”填充到網(wǎng)格中。輔助函數(shù)的具體細(xì)節(jié)我不再展開講了，不過我把他們都整理到我的 Github 上了。# Initialize the board
my_board = np.zeros((boardsize+pad, boardsize+pad))
my_board = init_board(pos_list, my_board)
這是我們最期待的部分——?jiǎng)赢?！首先，我們需要完善一些配置。下面的幾行代碼用來生成展示我們動(dòng)畫的 mtplotlib 圖框。# Required line for plotting the animation
%matplotlib notebook
# Initialize the plot of the board that will be used for animation
fig = plt.gcf()
接下來制作我們的第一幀。 mtplotlib 中的 imshow() 函數(shù)可以接收一組 numpy 矩陣然后返回一張圖片。很酷吧！ # Show first image - which is the initial board
im = plt.imshow(my_board)
plt.show()
傳入 imshow() 的變量是我們的初始的網(wǎng)格 my_board。生成的圖片長這樣：
現(xiàn)在我們需要寫一個(gè)可以給 FuncAnimation() 調(diào)用的輔助函數(shù)。 animate() 函數(shù)接受一幀畫面作為輸入充當(dāng)計(jì)數(shù)器。這個(gè)畫面計(jì)數(shù)器就是 FuncAnimation() 和 animate() 函數(shù)溝通的橋梁——在每一個(gè)時(shí)間點(diǎn)（也就是每一幀），它都會(huì)調(diào)用一次 animate()。然后 animate() 會(huì)逐次使用輔助函數(shù) update_board() 來對網(wǎng)格進(jìn)行迭代。最后， set_data() 函數(shù)將圖片更新為迭代后的網(wǎng)格，這就完成了。# 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,
一切順利！我們準(zhǔn)備調(diào)用 FuncAnimation() 函數(shù)了。注意輸入的參數(shù)：fig 是我們在前面創(chuàng)建的用來裝載我們的動(dòng)畫的圖形變量； animate 是 FuncAnimation() 用畫面計(jì)數(shù)器進(jìn)行溝通的函數(shù)（自動(dòng)傳入，不需要特別聲明） frames 表示我們希望動(dòng)畫持續(xù)多少幀，在這里我們想要?jiǎng)赢嫷拈L度為 200 幀； interval 表示每一幀之間間隔的毫秒數(shù)。我們想要每幀之間間隔 50 毫秒。
# This line creates the animation
anim = animation.FuncAnimation(fig, animate, frames=200,
interval=50)
就這么簡單！不是很難吧？為了慶祝我們成功制作動(dòng)畫，我再送大家一個(gè)動(dòng)畫： 
總結(jié)
希望這篇文章能幫到大家。在結(jié)束之前，讓我來幫助大家腦補(bǔ)更多我們今天學(xué)到的動(dòng)畫功能在數(shù)據(jù)科學(xué)上的應(yīng)用： 一個(gè)個(gè)地畫出蒙特卡洛模擬數(shù)據(jù)，你能觀察到最終的分布是如何逐步形成的； 按順序遍歷時(shí)間序列數(shù)據(jù)，可以描繪你的模型或數(shù)據(jù)在新的觀察角度下有什么表現(xiàn)； 當(dāng)你改變輸入?yún)?shù)時(shí)，比如族群數(shù)，可以展現(xiàn)你的算法是如何劃分族群的； 根據(jù)時(shí)間或不同的數(shù)據(jù)子集生成關(guān)聯(lián)熱力圖，用于觀察不同的樣本是如何影響你的模型的預(yù)期參數(shù)的。
Github: https://github.com/yiuhyuk/game_of_life
來源：
https:///spice-up-your-python-visualizations-with-matplotlib-animations-d437d7e98e67
|
