python matplotlib的直方图（利用Python的matplotlib库绘制动态图形）

python matplotlib的直方图（利用Python的matplotlib库绘制动态图形）from matplotlib import pyplot as pltfrom matplotlib.animation import FuncAnimationimport randomimport numpy as npx = []y = []colors = []fig = plt.figure(figsize=(7 5))def animation_func(i):x.append(random.randint(0 100))y.append(random.randint(0 100))colors.append(np.random.rand(1))area = random.randint(0 30) * random.randint(0 30)plt.xlim(0 100)plt.ylim(0 100)plt.scatter(x y c = colors s = are

一、python 绘制动画图

python绘制动态图形是数据可视化更直观、更好看的一种方式，matplotlib工具包是常用的绘图工具，也可以用来绘制动态图形。本文介绍四种绘制动态图形的方法，包括生成图形的代码和动态图形演示示例。

用matplotlib工具包创建动画图有两种方法：

• 使用 pause() 函数
• 使用 FuncAnimation() 函数

动画柱状图，使用FuncAnimation() 函数

代码如下：

from matplotlib import pyplot as pltfrom matplotlib.animation import FuncAnimation writersimport numpy as np fig = plt.figure(figsize = (7 5))axes = fig.add_subplot(1 1 1)axes.set_ylim(0 300)palette = ['blue' 'red' 'green' 'darkorange' 'maroon' 'black'] y1 y2 y3 y4 y5 y6 = [] [] [] [] [] [] def animation_function(i): y1 = i y2 = 5 * i y3 = 3 * i y4 = 2 * i y5 = 6 * i y6 = 3 * i plt.xlabel("Country") plt.ylabel("GDP of Country") plt.bar(["India" "China" "Germany" "USA" "Canada" "UK"] [y1 y2 y3 y4 y5 y6] color = palette) plt.title("Bar Chart Animation") animation = FuncAnimation(fig animation_function interval = 50)plt.show()

如下图：

横向柱状跑图 （Horizontal Bar Chart Race），使用FuncAnimation() 函数

以下代码是绘制世界1500年-2018年主要城市人口变化横向柱状跑图，需要数据集文件city_populations.csv评论区留言。

程序代码如下：

import pandas as pdimport matplotlib.pyplot as pltimport matplotlib.ticker as tickerfrom matplotlib.animation import FuncAnimationdf = pd.read_csv('city_populations.csv' usecols=['name' 'group' 'year' 'value'])colors = dict(zip(['India' 'Europe' 'Asia' 'Latin America' 'Middle East' 'North America' 'Africa'] ['#adb0ff' '#ffb3ff' '#90d595' '#e48381' '#aafbff' '#f7bb5f' '#eafb50']))group_lk = df.set_index('name')['group'].to_dict()def draw_barchart(year):dff = df[df['year'].eq(year)].sort_values(by='value' ascending=True).tail(10)ax.clear()ax.barh(dff['name'] dff['value'] color=[colors[group_lk[x]] for x in dff['name']])dx = dff['value'].max() / 200for i (value name) in enumerate(zip(dff['value'] dff['name'])):ax.text(value-dx i name size=14 weight=600 ha='right' va='bottom')ax.text(value-dx i-.25 group_lk[name] size=10 color='#444444' ha='right' va='baseline')ax.text(value dx i f'{value: .0f}' size=14 ha='left' va='center')# polished stylesax.text(1 0.4 year transform=ax.transAxes color='#777777' size=46 ha='right' weight=800)ax.text(0 1.06 'Population (thousands)' transform=ax.transAxes size=12 color='#777777')ax.xaxis.set_major_formatter(ticker.StrMethodFormatter('{x: .0f}'))ax.xaxis.set_ticks_position('top')ax.tick_params(axis='x' colors='#777777' labelsize=12)ax.set_yticks([])ax.margins(0 0.01)ax.grid(which='major' axis='x' linestyle='-')ax.set_axisbelow(True)ax.text(0 1.12 'The most populous cities in the world from 1500 to 2018' transform=ax.transAxes size=24 weight=600 ha='left')ax.text(1 0 ' ' transform=ax.transAxes ha='right' color='#777777' bbox=dict(facecolor='white' alpha=0.8 edgecolor='white'))plt.box(False)plt.show()fig ax = plt.subplots(figsize=(15 8))animator = FuncAnimation(fig draw_barchart frames = range(1990 2019))plt.show()

散点图动画，使用FuncAnimation()函数

在本例中 使用random 数据和自定义函数animation_func()

from matplotlib import pyplot as pltfrom matplotlib.animation import FuncAnimationimport randomimport numpy as npx = []y = []colors = []fig = plt.figure(figsize=(7 5))def animation_func(i):x.append(random.randint(0 100))y.append(random.randint(0 100))colors.append(np.random.rand(1))area = random.randint(0 30) * random.randint(0 30)plt.xlim(0 100)plt.ylim(0 100)plt.scatter(x y c = colors s = area alpha = 0.5)animation = FuncAnimation(fig animation_func interval = 100)plt.show()

如下图：

使用 pause() 函数绘制动态直线

matplotlib工具包的pyplot模块中有pause()函数，可用来设置时间间隔参数，达到绘制直线的动画效果。

代码如下：

from matplotlib import pyplot as pltx = []y = []for i in range(100):x.append(i)y.append(i)# Mention x and y limits to define their rangeplt.xlim(0 100)plt.ylim(0 100)# Ploting graphplt.plot(x y color = 'green')plt.pause(0.01)plt.show()

如下图：

使用 FuncAnimation() 绘制动态直线

FuncAnimation() 函数本身并不能创建动画效果，而是通过生成一系列不同参数的图片来实现动画效果.

Syntax: FuncAnimation(figure animation_function frames=None init_func=None fargs=None save_count=None * cache_frame_data=True **kwargs)

在这个实例代码中，使用FuncAnimation函数创建一条直线的简单动画效果，只需要调整参数即刻。

from matplotlib import pyplot as pltfrom matplotlib.animation import FuncAnimationimport numpy as np x = []y = [] figure ax = plt.subplots() # Setting limits for x and y axisax.set_xlim(0 100)ax.set_ylim(0 12) # Since plotting a single graphline = ax.plot(0 0) def animation_function(i): x.append(i * 15) y.append(i) line.set_xdata(x) line.set_ydata(y) return line animation = FuncAnimation(figure func = animation_function frames = np.arange(0 10 0.1) interval = 10)plt.show()

如下图：

二、如何把python绘制的动态图形保存为gif文件或视频

使用Matplotlib中的matplotlib.animation 方法可以绘制更好看、更有吸引力的动画图形，那如何把这种动画图形保存为Gif动画文件或视频文件呢？本文简述与之相关的方法。把python程序中绘制的动画图形保存为视频格式或gif格式文件，以便播放或发送给其他人，或者插入找文档或网页中。本文分两部分，先介绍python程序绘制简单的动态图形或动画，然后再介绍如何把绘制的动态图形或动画保存为gif格式文件或视频文件。

先用 Matplotlib.animation 类中的函数 FuncAnimation 创建动态图和动画，如动态折线、柱状图动画，另外还需要使用 figure 函数和 animation 函数，这些都是python使用matplotlib绘制图形时常用的方法。

1. 创建动态折线图

1）绘制动态折线图，代码如下：

import randomimport matplotlibimport matplotlib.pyplot as pltfrom matplotlib.animation import FuncAnimationfig = plt.figure(figsize=(15 15))x y = [] []index= count()def animate(i): x.append(next(index)) y.append(random.randint(2 20)) plt.style.use("ggplot") plt.plot(x y)ani = FuncAnimation(fig animate interval=300)plt.show()

结果如图1：

主要代码行说明：

以上代码块中 “ani = FuncAnimation(fig animate interval=300)” 这一行中，FuncAnimation() 有三个参数：

1) fig，表示图形参数

指容纳plot图形的对象， 需要创建该对象，或者调用 matplotlib.pyplot.gcf() 函数 ，表示获得当前图形；

2) animate 自定义函数

这是 FuncAnimation 中的动画自定义函数， 要想获得动画图形就要把该参数设定为“animate”，图形就会根据数据持续更新，注意创建图形和数据更新缺一不可。

3) 画面间隔参数 interval

该参数指定画面的更新速度，单位是毫秒。interval=1000 表示该函数运行动画函数，并且每秒钟更新一次。

以上代码块中 “plt.style.use("ggplot")” 这一行，指定动画图形的风格为 “ggplot”，要想了解更多的图形风格，可使用以下代码：

import matplotlib.pyplot as pltprint(plt.style.available)

输入结果如下：

bmhclassicdark_backgroundfastfivethirtyeightggplotgrayscaleseaborn-brightseaborn-colorblindseaborn-dark-paletteseaborn-darkseaborn-darkgridseaborn-deepseaborn-mutedseaborn-notebookseaborn-paperseaborn-pastelseaborn-posterseaborn-talkseaborn-ticksseaborn-whiteseaborn-whitegridseabornSolarize_Light2tableau-colorblind10_classic_test

上述代码块输出的图形结果中，两个数轴都是不固定的，这与 Matplotlib Axes Setting 有关，plot函数中也没有定义线的颜色。

2.创建动画图形

代码如下：

import matplotlib.pyplot as pltfrom matplotlib.animation import FuncAnimation%matplotlib qtfig = plt.figure(figsize=(6 4))axes = fig.add_subplot(1 1 1)plt.title("Dynamic Axes")y1 = [random.randint(-10 10) (i**1.6)/(random.randint(9 12)) for i in range(0 280 2)]t = range(len(y1))x y=[] []def animate(i): x.append(t[i]) y.append((y1[i])) plt.xlim(i-30 i 3) axes.set_ylim(y1[i]-100 y1[i] 100) plt.plot(x y scaley=True scalex=True color="red")anim = FuncAnimation(fig animate interval=100)

输出结果如图2：

图2 动态数轴动画

保存动态图形

保存Matplotlib绘制的动画可能会出现一些小故障。下面介绍一下常用的选项和参数，既可以节省保存动画所需的时间，又可以尽可能地减少故障；可以把python代码生成的动画保存为个人需要的格式，如gif、mp4、avi、mov等文件格式，这取决于保存时选择对应的参数。

• 保存为GIF文件--图1，代码如下：

f = r"d:\\animation.gif" writergif = animation.PillowWriter(fps=30) anim.save(f writer=writergif)

这段代码中，常用的选项有 ImageMagick 和 PillowWriter。

对于windows 操作系统来说，使用 ImageMagick 方法一般要先安装相关程序包，并且在保存动画为 GIF 文件时，建议使用 Write Instance，还是比较复杂；如果是Unix操作系统，ImageMagick一般情况下都已经安装了，使用 ImageMagick 方法 就方便。因此，建议windows用户使用 PillowWriter 方法。

定义 gif 图形的帧数：

修改 FuncAnimation函数中的 save_count 参数的值，设定 GIF 文件的帧数，默认为 100 帧，代码如下：

anim = animation.FuncAnimation(figure func=update_figure fargs=(bar_rects iteration) frames=generator interval=100 repeat=True save_count=1500)

示例代码中，把GIF文件的帧数修改为 1500 帧。

• 保存为视频文件

把调用matplotlib的方法生成的动画保存为视频文件，需要 ffmpeg.exe 安装程序，可到官网下载，如下图：

特别注意，安装后要把该运行程序的路径 ffmpeg\bin\ffmpeg.exe 添加到环境变量中，此路径一定要正确 并且一定是指向可执行文件，而不仅仅是该文件所在的文件夹。在生成动画的python程序块中要加入以下代码行：

import matplotlib as mpl mpl.rcParams['animation.ffmpeg_path'] = r'C:\\Users\\xx\\Desktop\\ffmpeg\\bin\\ffmpeg.exe'

接下来，把 matplotlib 绘制的动画保存为 mp4 格式的视频文件，代码如下：

f = r"d:\\animation.mp4" writervideo = animation.FFMpegWriter(fps=60) anim.save(f writer=writervideo)

定义视频的尺寸：

视频的尺寸就是用 matplotlib 工具包绘制图形的窗口大小，调整对应窗口的大小即刻，示例代码如下：

plt.subplots(figsize=(12 8))

三、使用 matplotlib 绘制动画

在python编程中，用matplotlib绘图工具包绘制动画图形。动画是数据图形化的一种方法，视觉冲击力很强，给人留下了深刻的印象。动画图形或者可交互图形和静态图形相比，对人的诱惑力更强。像股票数据，气象数据，季节性和趋势这样的数据，用动画来表示会让人更容易明白。

matplotlib库的主要特征

• 有很多后台渲图工具组成
• 它可以重新生成任何形式的绘图（只需要略做修改）
• 该工具包历史悠久，比较成熟
• matplotlib和MATLAB绘图可以转换

然而，matplotlib库也有一些缺点：

• matplotlib有一个必要的API，这类接口一般比较冗长
• 有时一些默认的绘图风格比较粗陋
• 对web图形和交互图形的支持不足
• 绘制大规模数据和复杂数据的图形比较慢

matplotlib的animation基类和使用条件

matplotlib绘制动画图形就是使用animation基类的方法，它提供了构建动画功能的基本框架，使用的主要接口有两个：

• FuncAnimation: 通过重复调用函数 func 绘制动画
• ArtistAnimation: 使用一组固定的Artist对象实现动画效果

这两个接口相比之下，使用FuncAnimation最方便。

使用matplotlib绘制动画需要安装必要的工具包和程序：

• 需要安装numpy和matplotlib工具包
• 把程序生成的动画保存为mp4格式或gif格式文件，需要安装 ffmpeg 或 imagemagick。

更详细的内容可阅读文章--《如何把python绘制的动态图形保存为gif文件或视频》

实例1：移动的正弦曲线

代码如下：

import numpy as npfrom matplotlib import pyplot as pltfrom matplotlib.animation import FuncAnimationplt.style.use('seaborn-pastel')fig = plt.figure()ax = plt.axes(xlim=(0 4) ylim=(-2 2))line = ax.plot([] [] lw=3)def init(): line.set_data([] []) return line def animate(i): x = np.linspace(0 4 1000) y = np.sin(2 * np.pi * (x - 0.01 * i)) line.set_data(x y) return line anim = FuncAnimation(fig animate init_func=init frames=200 interval=20 blit=True)anim.save('sine_wave.gif' writer='imagemagick')

输出的图形结果如下图所示：

实例2：螺旋线动画

代码如下：

import matplotlib.pyplot as plt import matplotlib.animation as animation import numpy as np plt.style.use('dark_background')fig = plt.figure() ax = plt.axes(xlim=(-50 50) ylim=(-50 50)) line = ax.plot([] [] lw=2) #初始化函数 def init(): #创建空的 plot/frame line.set_data([] []) return line # 存储x轴和y轴坐标值的列表xdata ydata = [] [] # 定义动画函数 def animate(i): # 参数 t t = 0.1*i # 根据x和y的值绘制图形 x = t*np.sin(t) y = t*np.cos(t) # 把新的x轴和y轴的值追加到列表 xdata.append(x) ydata.append(y) line.set_data(xdata ydata) return line # 制定图形的标题plt.title('Creating a growing coil with matplotlib!') # 隐藏x轴上的数据标识 plt.axis('off') # 调用动画函数 anim = animation.FuncAnimation(fig animate init_func=init frames=500 interval=20 blit=True) # 把动画保存为gif文件 anim.save('coil.gif' writer='imagemagick')

输出结果如下图所示：

实例3：动画实时更新

绘制股票行情数据、传感器数据等实时图形就需要实时更新动画。

代码如下：

import matplotlib.pyplot as pltimport matplotlib.animation as animationfig = plt.figure()# 创建子图ax1 = fig.add_subplot(1 1 1)def animate(i): data = open('stock.txt' 'r').read() lines = data.split('\n') xs = [] ys = [] for line in lines: x y = line.split(' ') # Delimiter is comma xs.append(float(x)) ys.append(float(y)) ax1.clear() ax1.plot(xs ys) plt.xlabel('Date') plt.ylabel('Price') plt.title('Live graph with matplotlib') ani = animation.FuncAnimation(fig animate interval=1000) plt.show()

输出结果如下图所示：

实例4：3D动画

代码如下：

from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltimport pandas as pdimport seaborn as sns# 获取数据url = 'https://python-graph-gallery.com/wp-content/uploads/volcano.csv'data = pd.read_csv(url)# 数据转换df=data.unstack().reset_index()df.columns=["X" "Y" "Z"]# 转换列名称df['X']=pd.Categorical(df['X'])df['X']=df['X'].cat.codes# 以20个不同的角度，绘制20个图形for angle in range(70 210 2):# 绘制图形 fig = plt.figure() ax = fig.gca(projection='3d') ax.plot_trisurf(df['Y'] df['X'] df['Z'] cmap=plt.cm.viridis linewidth=0.2) ax.view_init(30 angle) filename='Volcano/Volcano_step' str(angle) '.png' plt.savefig(filename dpi=96) plt.gca()

以上代码创建多个PNG格式文件，要使用ImageMagick把这些图片转换为动画，即在命令行窗口输入下命令：

convert -delay 10 Volcano*.png animated_volcano.gif

输出结果如下图：

实例5：使用Celluloid工具包绘制动画

Celluloid工具包简化了用matplotlib绘制动画的过程，该工具包只创建一个matplotlib的figure对象和camera对象，然后创建的每一帧画面都重复使用这个figure和camera对象，就像是用照相机在抓拍图形。最后，用所有抓拍的画面帧就构成了动画。

安装Celluloid工具包：

pip install celluloid

使用celluloid工具包的绘图实例如下：

实例5-1，代码如下：

from matplotlib import pyplot as pltfrom celluloid import Camerafig = plt.figure()camera = Camera(fig)for i in range(10): plt.plot([i] * 10) camera.snap()animation = camera.animate()animation.save('celluloid_minimal.gif' writer = 'imagemagick')

输出结果如下图：

实例5-2：子图，代码如下：

import numpy as npfrom matplotlib import pyplot as pltfrom celluloid import Camerafig axes = plt.subplots(2)camera = Camera(fig)t = np.linspace(0 2 * np.pi 128 endpoint=False)for i in t: axes[0].plot(t np.sin(t i) color='blue') axes[1].plot(t np.sin(t - i) color='blue') camera.snap() animation = camera.animate() animation.save('celluloid_subplots.gif' writer = 'imagemagick')

输出结果如下图：

实例5-3：图例，代码如下：

import matplotlibfrom matplotlib import pyplot as pltfrom celluloid import Camerafig = plt.figure()camera = Camera(fig)for i in range(20): t = plt.plot(range(i i 5)) plt.legend(t [f'line {i}']) camera.snap()animation = camera.animate()animation.save('celluloid_legends.gif' writer = 'imagemagick')

输出结果如下图：

四、Python - 2D/3D动画案例

本文以九个ETF基金行情数据为例，绘制出交易这九个基金的收益变化（行情数据有随机数生成）。如果想观察哪只基金的收益高于或低于沪深300ETF，就可以从2D/3D的动画图上看出来。下面分四部分来讲述。

导入必要的工具包

import numpy as npimport pandas as pd#import csv#from csv import writer# 绘图import matplotlib.pyplot as pltfrom matplotlib import animation rcfrom matplotlib.cm import get_cmapfrom mpl_toolkits.mplot3d import Axes3Dfrom matplotlib.font_manager import FontPropertiesfrom matplotlib.collections import LineCollectionfrom matplotlib.colors import ListedColormapfrom mpl_toolkits.mplot3d.art3d import Line3DCollectionplt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falseimport matplotlib as mpl mpl.rcParams['animation.ffmpeg_path'] = r'C:\\ffmpeg\\bin\\ffmpeg.exe'# 设置动画类型rc('animation' html='html5')导入数据

用随机数生成九只ETF基金的行情价格数据

index_returns = np.random.normal(loc=1e-4 scale=5e-3 size=(783 9))index_returns = np.vstack((np.zeros(shape=(1 9)) 100 index_returns))# 累计收益index_prices = np.cumprod(1 index_returns axis=0)# 选择时间窗口window = 261indexes_rolling = np.zeros(shape=(index_prices.shape[0]-window 9))# 生成滚动收益for i in range(window index_prices.shape[0] 1): indexes_rolling[i-window] = (index_prices[i]/index_prices[i-window]) - 1# 构成 dataframe 数据index = pd.date_range('2019-01-01' periods=index_prices.shape[0]-window freq='B')columns = ['智能汽车|515250' '新能源车|515030 ' '半 导 体|512480' ' 银 行 |512800' ' 沪深300|510300' '创 新 药|159992' ' 光 伏 |515790' '信息技术|159939' '食品饮料|515170']indexes_rolling = pd.DataFrame(indexes_rolling index=index columns=columns)2D动画

1. 创建2D动画的规格以及格式，即指定该动画图形的大小，颜色，图例等内容。

代码如下：

# 创建图形fig axes = plt.subplots(1 2 figsize=(18 6) gridspec_kw={'width_ratios': [.9 .1]})fig.patch.set_alpha(1)# 设置：右边的图形不可见，只更新左边部分axes[1].axis('off')ax = axes[0]# 获取 cmap cmap = get_cmap('RdYlGn')# 数据切分current_slice = indexes_rolling.values[:261 :]index_names = indexes_rolling.columnsindex_dates = indexes_rolling.index# 保存各ETF基金数据的列表lines = []for i in range(current_slice.shape[1]): # 获取坐标 x = np.array(np.arange(current_slice.shape[0])) y = np.array(current_slice[: i]) # 绘制不同颜色的点和线段 points = np.array([x y]).T.reshape(-1 1 2) segments = np.concatenate([points[:-1] points[1:]] axis=1) # 指定连续值，映射数据点的颜色 norm = plt.Normalize(-0.19 0.19) lc = LineCollection(segments cmap=cmap norm=norm) # 设置颜色值 lc.set_array(y) lc.set_linewidth(2) lc.set_color(cmap(y[-1] * 2.5 0.5)) lc.set_label(index_names[i]) lines.append(ax.add_collection(lc))# 添加背景的网格ax.legend(loc='center right' bbox_to_anchor=(1.2 0.5) fancybox=True facecolor=(.95 .95 .95 1) framealpha=1 shadow=False frameon=True ncol=1 columnspacing=0 prop={'family': 'SimHei'})ax.yaxis.grid(color='gray' linestyle='dashed')ax.xaxis.grid(color='gray' linestyle='dashed')ax.set_xlim(0 current_slice.shape[0]-1)ax.set_ylim(-0.39 0.39)ax.set_yticklabels(['{:.0%}'.format(val) for val in ax.get_yticks()])ax.set_ylabel('滚动收益 - 1年')ax.set_xlabel('日 期')ax.set_xticklabels([index_dates[int(val)].strftime('%m/%y') for val in ax.get_xticks()])#ax.set_facecolor((0 0 0 1.0)) # 背景色ax.set_facecolor((0.05 0.05 0.65 1))# 演示图形plt.show()

演示图形如下：

2. 定义更新以上2D图形的函数

代码如下：

def update_lines_2D(num data columns dates cmap lines ax): # 获得切分数据 current_slice = data[num:261 num :] current_dates = dates[num:261 num] for i in range(current_slice.shape[1]): # 获取坐标值 x = np.array(np.arange(current_slice.shape[0])) y = np.array(current_slice[: i]) # 绘制不同颜色的点和线段 points = np.array([x y]).T.reshape(-1 1 2) segments = np.concatenate([points[:-1] points[1:]] axis=1) # 指定连续值，映射数据点的颜色 norm = plt.Normalize(-0.22 0.22) lines[i].set_segments(segments) lines[i].set_array(y) #lines[i].set_color(cmap(y[-1] * 2.5 0.5)) lines[i].set_color(cmap(y[-1] * 2.5 0.5)) # 动态更新数据和标识 ax.set_xticklabels([dates[int(val) num].strftime('%m/%y') for val in ax.get_xticks()[:-1]] ['']) ax.legend(loc='center right' bbox_to_anchor=(1.2 0.5) fancybox=True facecolor=(.95 .95 .95 1) framealpha=1 shadow=False frameon=True ncol=1 columnspacing=0 prop={'family': 'SimHei'}) return lines# 初始化图形的各行的数据def init_lines_2D(): for line in lines: line.set_array([]) return lines

3.创建2D动画

代码如下：

line_ani = animation.FuncAnimation(fig=fig func=update_lines_2D # frames=30 frames=indexes_rolling.shape[0]-261 init_func=init_lines_2D fargs=(indexes_rolling.values indexes_rolling.columns indexes_rolling.index cmap lines ax) interval=75 blit=True)# 演示2D动画line_ani

演示结果如下图：

4.保存动画为GIF格式

代码如下：

# 演示数据的变化progress_callback = lambda i n: print('Saving frame {:.0%}'.format(i/n)) if int((i/n) * 100) % 10 == 0 else None# 保存动画line_ani.save('./2D_animation.gif' writer='imagemagick' fps=14 dpi=80 codec='h264' bitrate=2048 progress_callback=progress_callback)3D动画

1. 创建3D动画的规格以及格式，即指定该动画图形的大小，颜色，图例等内容。

代码如下：

# 创建图形fig = plt.figure(figsize=(14.4 9))ax = fig.add_subplot(111 projection='3d')fig.patch.set_alpha(1)# 获得 cmap 的值cmap = get_cmap('RdYlGn')# 切分数据current_slice = indexes_rolling.values[:261 :]index_names = indexes_rolling.columnsindex_dates = indexes_rolling.index# 保存各ETF基金数据的线的列表lines = []for i in range(current_slice.shape[1]): # 获取坐标值 x = np.array(np.arange(current_slice.shape[0])) y = np.tile(i current_slice.shape[0]) z = np.array(current_slice[: i]) # 绘制不同颜色的点和线段 points = np.array([x y z]).T.reshape(-1 1 3) segments = np.concatenate([points[:-1] points[1:]] axis=1) # 指定连续值，映射数据点的颜色 norm = plt.Normalize(-0.19 0.19) lc = Line3DCollection(segments cmap=cmap norm=norm zorder=current_slice.shape[1]-i) # 动态更新数据和标识 lc.set_array(z) lc.set_linewidth(2) lc.set_color(cmap(z[-1] * 2.5 0.5)) lc.set_label(index_names[i]) lines.append(ax.add_collection(lc))# 添加动画背景的网格ax.legend(loc='center right' bbox_to_anchor=(1.1 0.46) fancybox=True facecolor=(.95 .95 .95 1) framealpha=1 shadow=False frameon=True ncol=1 columnspacing=0 prop={'family': 'SimHei'})ax.set_zlabel('滚动收益 1Y' labelpad=10)ax.set_zlim(-0.39 0.39)ax.set_zticklabels([' '* 3 '{:.0%}'.format(val) for val in ax.get_zticks()] fontdict={'verticalalignment': 'center' 'horizontalalignment': 'center'})ax.set_xlabel('Date' labelpad=30)ax.set_xlim(0 current_slice.shape[0]-1)ax.set_xticklabels([index_dates[int(val)].strftime('%m/%y') for val in ax.get_xticks()[:-1]] [''] rotation=0 fontdict={'verticalalignment': 'top' 'horizontalalignment': 'center'})ax.set_yticks(np.arange(current_slice.shape[1]))ax.set_yticklabels([index_names[i] for i in range(current_slice.shape[1])] rotation=-15 fontdict={'verticalalignment': 'center' 'horizontalalignment': 'left'})# ax.w_xaxis.set_pane_color((0 0 0 1.0))# ax.w_yaxis.set_pane_color((0 0 0 1.0))# ax.w_zaxis.set_pane_color((0 0 0 1.0))ax.w_xaxis.set_pane_color((0.05 0.05 0.65 1)) #ax.set_facecolor((0.05 0.05 0.65 1))ax.w_yaxis.set_pane_color((0.05 0.05 0.65 1))ax.w_zaxis.set_pane_color((0.05 0.05 0.65 1))ax.view_init(25 -60)# ------------------------------------------------------------------x_scale=1.8y_scale=1z_scale=1scale=np.diag([x_scale y_scale z_scale 1.0])scale=scale*(1.0/scale.max())scale[3 3]=1.0def short_proj(): return np.dot(Axes3D.get_proj(ax) scale)ax.get_proj=short_projfig.subplots_adjust(left=0 right=1 bottom=0 top=1)# ------------------------------------------------------------------# 输出动画plt.show()

输出结果如下图所示：

2. 定义更新以上图形的函数

代码如下：

def update_lines_3D(num data columns dates cmap lines ax): # 切分数据 current_slice = data[num:261 num :] current_dates = dates[num:261 num] for i in range(current_slice.shape[1]): # 获取坐标值 x = np.arange(current_slice.shape[0]) y = np.tile(i current_slice.shape[0]) z = np.array(current_slice[: i]) # 绘制不同颜色的点和线段 points = np.array([x y z]).T.reshape(-1 1 3) segments = np.concatenate([points[:-1] points[1:]] axis=1) # 指定连续值，映射数据点的颜色 norm = plt.Normalize(-0.19 0.19) lines[i].set_segments(segments) lines[i].set_array(z) lines[i].set_color(cmap(z[-1] * 2.5 0.5)) # 动态更新数据和标识 ax.set_xticklabels([dates[int(val) num].strftime('%m/%y') for val in ax.get_xticks()[:-1]] [''] rotation=0 fontdict={'verticalalignment': 'top' 'horizontalalignment': 'center'}) ax.legend(loc='center right' bbox_to_anchor=(1.1 0.46) fancybox=True facecolor=(.95 .95 .95 1) framealpha=1 shadow=False frameon=True ncol=1 columnspacing=0 prop={'family': 'SimHei'}) return linesdef init_lines_3D(): for line in lines: line.set_array([]) return lines

3.创建3D动画

代码如下：

line_ani = animation.FuncAnimation(fig=fig func=update_lines_3D # frames=30 frames=indexes_rolling.shape[0]-261 init_func=init_lines_3D fargs=(indexes_rolling.values indexes_rolling.columns indexes_rolling.index cmap lines ax) interval=75 blit=True)# 演示3D动画line_ani

演示结果如下图所示：

4.保存3D动画为GIF格式

progress_callback = lambda i n: print('Saving frame {:.0%}'.format(i/n)) if int((i/n) * 100) % 10 == 0 else None# save the animationline_ani.save('./3D_animation.gif' writer='imagemagick' fps=14 dpi=80 codec='h264' bitrate=2048 progress_callback=progress_callback)3D mesh 动画

1. 创建3D mesh 动画的规格以及格式，即指定该动画图形的大小，颜色，图例等内容。

代码如下：

# 创建图形fig = plt.figure(figsize=(14.4 9))ax = fig.add_subplot(111 projection='3d')fig.patch.set_alpha(1)# 获取 cmap 的值cmap = get_cmap('RdYlGn')# 切分数据# current_slice = indexes_rolling.values[:261 :]current_slice = indexes_rolling.values[:int(261/2) :]index_names = indexes_rolling.columnsindex_dates = indexes_rolling.index# 保存各ETF基金数据的线的列表lines = []for i in range(current_slice.shape[1]): # 获取坐标值 x = np.array(np.arange(current_slice.shape[0])) y = np.tile(i current_slice.shape[0]) z = np.array(current_slice[: i]) # 绘制不同颜色的点和线段 points = np.array([x y z]).T.reshape(-1 1 3) segments = np.concatenate([points[:-1] points[1:]] axis=1) # 指定连续值，映射数据点的颜色 norm = plt.Normalize(-0.19 0.19) lc = Line3DCollection(segments cmap=cmap norm=norm zorder=current_slice.shape[1]-i) # 设定颜色值 lc.set_array(z) lc.set_linewidth(2) lc.set_color(cmap(z[-1] * 2.5 0.5)) lc.set_label(index_names[i]) lines.append(ax.add_collection(lc))# 保存 mesh 线的列表mesh_lines = []for j in range(current_slice.shape[0]): if j % 1 == 0: # 获取坐标值 x = np.tile(j current_slice.shape[1]) y = np.arange(current_slice.shape[1]) z = np.array(current_slice[j :]) # 绘制不同颜色的点和线段 points = np.array([x y z]).T.reshape(-1 1 3) segments = np.concatenate([points[:-1] points[1:]] axis=1) # 指定连续值，映射数据点的颜色 norm = plt.Normalize(-0.19 0.19) lc = Line3DCollection(segments cmap=cmap norm=norm) # 设定颜色值 lc.set_array(z) lc.set_linewidth(2) mesh_lines.append(ax.add_collection(lc)) # 添加 mesh 动画的背景网格ax.legend(loc='center right' bbox_to_anchor=(1.1 0.46) fancybox=True facecolor=(.95 .95 .95 1) framealpha=1 shadow=False frameon=True ncol=1 columnspacing=0 prop={'family': 'SimHei'})ax.set_zlabel('Rolling Equity 1Y' labelpad=10)ax.set_zlim(-0.39 0.39)ax.set_zticklabels([' '* 3 '{:.0%}'.format(val) for val in ax.get_zticks()] fontdict={'verticalalignment': 'center' 'horizontalalignment': 'center'})ax.set_xlabel('Date' labelpad=30)ax.set_xlim(0 current_slice.shape[0]-1)ax.set_xticklabels([index_dates[int(val)].strftime('%m/%y') for val in ax.get_xticks()[:-1]] [''] rotation=0 fontdict={'verticalalignment': 'top' 'horizontalalignment': 'center'})ax.set_yticks(np.arange(current_slice.shape[1]))ax.set_yticklabels([index_names[i]for i in range(current_slice.shape[1])] rotation=-15 fontdict={'verticalalignment': 'center' 'horizontalalignment': 'left'})ax.w_xaxis.set_pane_color((0.05 0.05 0.65 1))ax.w_yaxis.set_pane_color((0.05 0.05 0.65 1))ax.w_zaxis.set_pane_color((0.05 0.05 0.65 1)) # (0.05 0.05 0.65 1)ax.view_init(25 -60)# ------------------------------------------------------------------x_scale=1.8y_scale=1z_scale=1scale=np.diag([x_scale y_scale z_scale 1.0])scale=scale*(1.0/scale.max())scale[3 3]=1.0def short_proj(): return np.dot(Axes3D.get_proj(ax) scale)ax.get_proj=short_projfig.subplots_adjust(left=0 right=1 bottom=0 top=1)# ------------------------------------------------------------------# 输出图形plt.show()

输出结果如下图所示：

2.定义更新以上图形的函数

代码如下：

def update_mesh_lines_3D(num data columns dates cmap lines mesh_lines ax): # 切分数据 current_slice = data[num:int(261/2) num :] for i in range(current_slice.shape[1]): # 获取坐标值 x = np.arange(current_slice.shape[0]) y = np.tile(i current_slice.shape[0]) z = np.array(current_slice[: i]) # 绘制不同颜色的点和线段 points = np.array([x y z]).T.reshape(-1 1 3) segments = np.concatenate([points[:-1] points[1:]] axis=1) # 指定连续值，映射数据点的颜色 norm = plt.Normalize(-0.19 0.19) lines[i].set_segments(segments) lines[i].set_array(z) lines[i].set_color(cmap(z[-1] * 2.5 0.5)) # 通过计数检查当前的mesh线 counter = 0 for j in range(current_slice.shape[0]): if j % 1 == 0: # 获取坐标值 x = np.tile(j current_slice.shape[1]) y = np.arange(current_slice.shape[1]) z = np.array(current_slice[j :]) # 绘制不同颜色的点和线段 points = np.array([x y z]).T.reshape(-1 1 3) segments = np.concatenate([points[:-1] points[1:]] axis=1) # 设定 mesh 线的颜色值 norm = plt.Normalize(-0.22 0.22) mesh_lines[counter].set_segments(segments) mesh_lines[counter].set_array(z) counter = 1 # 动态更新数据和标识 ax.set_xticklabels([dates[int(val) num].strftime('%m/%y') for val in ax.get_xticks()[:-1]] [''] rotation=0 fontdict={'verticalalignment': 'top' 'horizontalalignment': 'center'}) ax.legend(loc='center right' bbox_to_anchor=(1.1 0.46) fancybox=True facecolor=(.95 .95 .95 1) framealpha=1 shadow=False frameon=True ncol=1 columnspacing=0 prop={'family': 'SimHei'}) return linesdef init_mesh_lines_3D(): for line in lines: line.set_array([]) return lines

3.创建3D mesh 动画

代码如下：

line_ani = animation.FuncAnimation(fig=fig func=update_mesh_lines_3D # frames=30 frames=indexes_rolling.shape[0]-int(261/2) init_func=init_mesh_lines_3D fargs=(indexes_rolling.values indexes_rolling.columns indexes_rolling.index cmap lines mesh_lines ax) interval=100 blit=True)# 演示动画line_ani

演示结果如下图所示：