Python 中有很多不错的数据可视化库，但是极少能渲染 GIF 图或视频动画效果。本文就分享一下如何用 MoviePy 作为其他可视化库的通用插件，制作动画可视化效果，毕竟这年头，没图不行，有动图更好。
MoviePy 能让我们用函数 make_frame(t) 自定义动画，函数会返回和时间 t 的视频帧（以秒为单位）：
from moviepy.editor import VideoClip
def make_frame(t): """ returns an image of the frame at time t """ # ... 用任意库创建帧 return frame_for_time_t # (Height x Width x 3) Numpy array animation = VideoClip(make_frame, duration=3) # 3-second clip # 支持导出为多种格式 animation.write_videofile("my_animation.mp4", fps=24) # 导出为视频 animation.write_gif("my_animation.gif", fps=24) # 导出为GIF
本文会涵盖 MayaVi、vispy、matplotlib、NumPy 和 Scikit-image 这些库。
基于 Mayavi 制作动画
Mayavi 是一个 Python 模块，可以制作交互式 3D 数据可视化。在第一个例子中，我们会将一个高度随着时间 t 不断变化的表面制作成动画：
import numpy as np
import mayavi.mlab as mlab
import moviepy.editor as mpy duration= 2 # duration of the animation in seconds (it will loop) # 用Mayavi制作一个图形 fig_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 = lambda d: np.sinc(XX**2+YY**2)+np.sin(XX+d) # 用MoviePy将图形转换为动画，编写动画GIF def make_frame(t): mlab.clf() # 清掉图形（重设颜色） mlab.mesh(YY,XX,ZZ(2*np.pi*t/duration), figure=fig_myv) return mlab.screenshot(antialiased=True) animation = mpy.VideoClip(make_frame, duration=duration) animation.write_gif("sinc.gif", fps=20)
另外一个例子是，制作一个坐标和观看角度都随着时间不断变化的线框网动画：
import numpy as np
import mayavi.mlab as mlab
import moviepy.editor as mpy duration = 2 # duration of the animation in seconds (it will loop) # 用Mayavi制作一个图形 fig = 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) # 点 l = mlab.plot3d(xx,yy,zz, representation="wireframe", tube_sides=5, line_width=.5, tube_radius=0.2, figure=fig) # 用MoviePy将图形转换为动画，编写动画GIF def make_frame(t): """ Generates and returns the frame for time t. """ y = np.sin(3*u)*(0.2+0.5*np.cos(2*np.pi*t/duration)) l.mlab_source.set(y = y) # change y-coordinates of the mesh mlab.view(azimuth= 360*t/duration, distance=9) # 相机视角 return mlab.screenshot(antialiased=True) # 返回RGB图形 animation = mpy.VideoClip(make_frame, duration=duration).resize(0.5) # 视频生成花费10秒, GIF 生成花费25秒 animation.write_videofile("wireframe.mp4", fps=20) animation.write_gif("wireframe.gif", fps=20)
基于 Vispy 制作动画
Vispy 是另一款基于 OpenGL 的交互式 3D 数据可视化库。我们可以先用 Vispy 做出图形和网格，然后用 MoviePy 将其制作成动画：
from moviepy.editor import VideoClip
import numpy as np
from vispy import app, scene from vispy.gloo.util import _screenshot canvas = 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 = lambda t : 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() # 用MoviePy转换为动画 def make_frame(t): surface.set_data(z = Z(t)) # 更新曲面 canvas.on_draw(None) # 更新Vispy的画布上的 图形 return _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')
下面是一些用 Vispy 制作的更复杂点的酷炫动画，它们是将 C 语言代码片段嵌入 Python 代码中，并微调 3D 着色器后制作而成：
制作该动画的代码地址： https:// gist.github.com/Zulko/5 4e5468759396c5cbbd2
制作该动画的代码地址： https:// gist.github.com/Zulko/4 dcaf3e38fdc118f22a3
基于 matplotlib 制作动画
虽然 2D/3D 绘图库 matplotlib 内置了动画模块，但是用 MoviePy 制作更轻更高质量的视频动画，而且运行速度更快。下面是用 MoviePy 基于 matplotlib 制作动画的方法：
import matplotlib.pyplot as plt
import numpy as np
from moviepy.video.io.bindings import mplfig_to_npimage import moviepy.editor as mpy # 用matplotlib绘制一个图形 duration = 2 fig_mpl, ax = plt.subplots(1,figsize=(5,3), facecolor='white') xx = np.linspace(-2,2,200) # x向量 zz = lambda d: np.sinc(xx**2)+np.sin(xx+d) # （变化的）Z向量 ax.set_title("Elevation in y=0") ax.set_ylim(-1.5,2.5) line, = ax.plot(xx, zz(0), lw=3) # 用MoviePy制作动（为每个t更新曲面）。制作一个GIF def make_frame_mpl(t): line.set_ydata( zz(2*np.pi*t/duration)) # 更新曲面 return mplfig_to_npimage(fig_mpl) # 图形的RGB图像 animation =mpy.VideoClip(make_frame_mpl, duration=duration) animation.write_gif("sinc_mpl.gif", fps=20)
Matplotlib 有很多漂亮的主题，和 Pandas、Scikit-Learn 等数字模块的兼容性也很好。我们来看一个 SVM 分类器，更好的理解随着训练点的数量增加时地图的变化动态：
import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm # sklearn = scikit-learn from sklearn.datasets import make_moons from moviepy.editor import VideoClip from moviepy.video.io.bindings import mplfig_to_npimage X, Y = make_moons(50, noise=0.1, random_state=2) # 半随机数据 fig, 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)) def make_frame(t): ax.clear() ax.axis('off') ax.set_title("SVC classification", fontsize=16) classifier = svm.SVC(gamma=2, C=1) # 不断变化的权重让数据点一个接一个的出现 weights = 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) return mplfig_to_npimage(fig) animation = VideoClip(make_frame, duration = 7) animation.write_gif("svm.gif", fps=15)
零基础入门视频。项目实战视频！大牛答疑群：125240963
简单来说，通过背景颜色我们就可以得知分类器辨识黑色点和白色点属于哪里。刚开始并不明显，但随着越来越多的数据点出现，这些点的分布逐渐呈月牙形区域。
基于 Numpy 的动画
如果是用 Numpy 数组（Numpy 是 Python 中的一个数字库），你不需要任何外部绘图库，你可以直接将数组输入 MoviePy 里。
将 Numpy 和 MoviePy 结合，可以做出很炫酷的动画效果。比如我们可以模拟僵尸病毒在法国蔓延的动态图（模拟！模拟！），以网格形式（Numpy 数组）模拟出法国地图，在上面执行所有模拟病毒感染和扩散效果的计算。每隔一段时间，一些 Numpy 操作会将网格转换为有效的 RGB 图像，并将其发送至 MoviePy：
import urllib
import numpy as np
from scipy.ndimage.filters import convolve
import moviepy.editor as mpy #### 从网络上检索地图 filename = ("http://upload.wikimedia.org/wikipedia/commons/a/aa/" "France_-_2011_population_density_-_200_m_%C3%" "97_200_m_square_grid_-_Dark.png") urllib.urlretrieve(filename, "france_density.png") #### 参数和约束条件 infection_rate = 0.3 incubation_rate = 0.1 dispersion_rates = [0, 0.07, 0.03] # for S, I, R # 该内核会模拟人类/僵尸如何用一个位置扩散至邻近位置 dispersion_kernel = np.array([[0.5, 1 , 0.5], [1 , -6, 1], [0.5, 1, 0.5]]) france = mpy.ImageClip("france_density.png").resize(width=400) SIR = np.zeros( (3,france.h, france.w), dtype=float) SIR[0] = france.get_frame(0).mean(axis=2)/255 start = int(0.6*france.h), int(0.737*france.w) SIR[1,start[0], start[1]] = 0.8 # infection in Grenoble at t=0 dt = 1.0 # 一次更新=实时1个小时 hours_per_second= 7*24 # one second in the video = one week in the model world = {'SIR':SIR, 't':0} ##### 建模 def infection(SIR, infection_rate, incubation_rate): """ Computes the evolution of #Sane, #Infected, #Rampaging""" S,I,R = SIR newly_infected = infection_rate*R*S newly_rampaging = incubation_rate*I dS = - newly_infected dI = newly_infected - newly_rampaging dR = newly_rampaging return np.array([dS, dI, dR]) def dispersion(SIR, dispersion_kernel, dispersion_rates): """ Computes the dispersion (spread) of people """ return np.array( [convolve(e, dispersion_kernel, cval=0)*r for (e,r) in zip(SIR, dispersion_rates)]) def update(world): """ spread the epidemic for one time step """ infect = infection(world['SIR'], infection_rate, incubation_rate) disperse = dispersion(world['SIR'], dispersion_kernel, dispersion_rates) world['SIR'] += dt*( infect + disperse) world['t'] += dt # 用MoviePy制作动画 def world_to_npimage(world): """ Converts the world's map into a RGB image for the final video.""" coefs = np.array([2,25,25]).reshape((3,1,1)) accentuated_world = 255*coefs*world['SIR'] image = accentuated_world[::-1].swapaxes(0,2).swapaxes(0,1) return np.minimum(255, image) def make_frame(t): """ Return the frame for time t """ while world['t'] < hours_per_second*t: update(world) return world_to_npimage(world) animation = mpy.VideoClip(make_frame, duration=25) # 可以将结果写为视频或GIF（速度较慢） #animation.write_gif(make_frame, fps=15) animation.write_videofile('test.mp4', fps=20)
最终效果如下：
将动画组合到一起
如果一个动画不够好看，那就来两个！我们可以借助 MoviePy 的视频组合功能将来自不同库的动画组合在一起：
import moviepy.editor as mpy
# 我们使用之前生成的GIF图以避免重新计算动画
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)
或者更有艺术气息一点：
# 在in clip_mayavi中将白色变为透明
clip_mayavi2 = (clip_mayavi.fx( mpy.vfx.mask_color, [255,255,255])
.set_opacity(.4) # whole clip is semi-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)
我们也可以对动画注释，这点在比较不同的算法和过滤器时，非常有用。我们展示一下来自 Scikit-image 库中的四张变换图像：
import moviepy.editor as mpy
import skimage.exposure as ske # 改变尺度，直方图
import skimage.filter as skf # 高斯模糊 clip = mpy.VideoFileClip("sinc.gif") gray = clip.fx(mpy.vfx.blackwhite).to_mask() def apply_effect(effect, title, **kw): """ Returns a clip with the effect applied and a title""" filtr = lambda im: 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)) return mpy.CompositeVideoClip([new_clip,txt]) # 为原始动画应用4种不同的效果 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) # 将片段一起放在2 X 2的网格上，写入一个文件 finalclip = mpy.clips_array([[ equalized, adjusted ], [ blurred, rescaled ]]) final_clip.write_gif("test2x2.gif", fps=20)
如果我们用 concatenate_videoclips 代替 CompositeVideoClip 和 clips_array，会得到标题效果式的动画：
import moviepy.editor as mpy
import skimage.exposure as ske
import skimage.filter as skf clip = mpy.VideoFileClip("sinc.gif") gray = clip.fx(mpy.vfx.blackwhite).to_mask() def apply_effect(effect, label, **kw): """ Returns a clip with the effect applied and a top label""" filtr = lambda im: 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)) return mpy.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)
结语
希望本文能帮你制作出令人惊艳的动画可视化。借助 MoviePy，也能将其它库的可视化转换为动画，只要其输出能转换成 Numpy 数组。
有些库本身也有动画模块，但通常修正和维护起来比较痛苦，MoviePy 相对稳定的多，也可以适用于很多情况。
另外，另一个 Python 库 ImageIO 也能编写视频，可以提供一个很简单的接口来读取或写入任何种类的图像、视频和容积数据。比如你可以用 imwrite() 写图像，用 mimwrite() 写视频/ GIF，用 volwrite() 写体积数据，或只是用 write() 写流式数据。
快去动手操作吧，GIF 万岁！