這篇文章給大家聊聊關(guān)于python meshgrid，以及selenium grid對應(yīng)的知識點(diǎn)，希望對各位有所幫助，不要忘了收藏本站哦。

meshgrid擬合原理

簡單地說，就是產(chǎn)生Oxy平面的網(wǎng)格坐標(biāo)。

在進(jìn)行3-D繪圖操作時，涉及到x、y、z三組數(shù)據(jù)，而x、y這兩組數(shù)據(jù)可以看做是在Oxy平面內(nèi)對坐標(biāo)進(jìn)行采樣得到的坐標(biāo)對（x，y）。

Python如何實(shí)現(xiàn)數(shù)據(jù)動態(tài)化

Python有些出色的數(shù)據(jù)可視化庫，但很少能渲染GIF或視頻動畫。本文介紹如何運(yùn)用MoviePy作為其他庫的通用動畫插件。

有了MoviePy，你可以用一個函數(shù)make_frame(t)自定義動畫，并返回相應(yīng)的時間t的視頻幀（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，我用這種方法來做制作矢量圖形動畫（用Gizeh庫），和光線追蹤三維場景（由POV-Ray做出）。這篇文章包括MayaVi、vispy、matplotlib、NumPy和Scikit-image這些科學(xué)庫。

用Mayavi的動畫

Mayavi是一個針對有簡單接口的交互3D數(shù)據(jù)可視化的Python模塊。在第一個例子中，我們做一個高度隨時間t變化的表面的動畫：

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)

另一個例子是一個坐標(biāo)和觀看角度都隨時間變化的線框網(wǎng)：

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?yàn)镸ayavi有著強(qiáng)大的ITK可視化引擎，它還可以處理復(fù)雜數(shù)據(jù)集。這里有一個源自于Mayavi例子的動畫

代碼

AnimationswithVispy用Vispy的動畫

Vispy是另一個以O(shè)penGL為基礎(chǔ)的交互3D可視化庫。至于Mayavi，我們用MoviePy先做出一個圖和一個網(wǎng)。

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')

還有一些更高級的例子（源自于Vispy庫），它是用C代碼片段中嵌入Python代碼，微調(diào)了3D渲染的：

代碼

代碼

用Matplotlib的動畫

2D/3D繪圖庫Matplotlib已經(jīng)有了動畫模塊，但我發(fā)現(xiàn)moviepy可以做出更輕量級，質(zhì)量更好的視頻，卻達(dá)到了兩倍的速度（不知道為什么？在這里看到更多細(xì)節(jié)）。這里有個如何使用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有很多漂亮的主題，而且和像Pandas或Scikit-Learn這些數(shù)字模塊能很好配合。讓我們看一個SVM分類器，以更好地明白訓(xùn)練點(diǎn)的數(shù)量增加時的地圖。

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)

簡單明了，背景色代表分類器辨識黑點(diǎn)和白點(diǎn)屬于哪里。在一開始沒有真正的線索，但隨著更多的點(diǎn)出錢，月牙形分布區(qū)域漸漸顯現(xiàn)了。

用Numpy的動畫

如果你正用著Numpy數(shù)組（Numpy是一個Python的中央數(shù)字庫），你不需要任何外部繪圖庫，你可以直接將這些數(shù)組饋入MoviePy。

這通過模擬在法國的僵尸爆發(fā)（靈感來自MaxBerggren的博客，伯樂在線已有全文翻譯：《用Python在地圖上模擬疫情擴(kuò)散》）。法國被仿作一個所有分散和感染的計(jì)算都完成的網(wǎng)格（NumPy數(shù)組）。每隔一段時間，一些NumPy操作變換網(wǎng)格為有效的RGB圖像，并將其發(fā)送到Moviepy。

代碼

把動畫放到一起

什么比一個動畫更好呢？兩個動畫！你可以利用MoviePy視頻合成功能，來混合來自不同庫的動畫：

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)

也許有點(diǎn)太快了，但有時你必須給你的觀眾一些可以讓他們議論的東西。

你也可以注解動畫，當(dāng)比較不同的過濾器或算法時，注解動畫很實(shí)用。讓我們看看四張由庫scikit-image變換的圖像：

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)

如果我們把CompositeVideoClip和clips_array替代成concatenate_videoclips，我們得到標(biāo)題效果式動畫：

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)

最終，處理視頻數(shù)據(jù)時，MoviePy會非常好用，因?yàn)檫@是它的首要任務(wù)。最后一個例子，我們通過視頻幀閾值和白色像素計(jì)數(shù)，估計(jì)一個細(xì)菌種群大小。第三面板顯示，人口規(guī)模呈指數(shù)增長的時間。

代碼

一個庫就可以做所有動畫了？

我希望給了你足夠的例子，來提升你的同事對你下次展示中的印象。總之要他的輸出能被轉(zhuǎn)換成Numpy數(shù)組，其他的庫也能用MoviePy來做動畫。

一些庫有自己的動畫模塊，但是修復(fù)和維護(hù)很痛苦！感謝那些在不同背景下測試MoviePy的人們，它變得更穩(wěn)定了（除非沒人再報bug），而且可以適用于各種環(huán)境。MoviePy仍有很多要去做的，但如果作者開始依靠它來做視頻和GIF渲染，像Pandas和scikit-Learn依賴matplotlib做繪制，那會很好。

為了本文的完整性，同時也為了更好地滿足您的需要，我必須提到的ImageIO，這是另一個可以編寫視頻的Python庫，它專注于提供一個非常簡單的接口來讀取或?qū)懭肴魏螆D像，視頻或容積數(shù)據(jù)。比如你用imwrite()寫圖像，用mimwrite()寫視頻/GIF，用volwrite()寫體積數(shù)據(jù)，或只是write()寫流數(shù)據(jù)。

matlab中什么時候使用meshgrid

當(dāng)需要在matlab中顯示三維面狀數(shù)據(jù)時要使用meshgrid。

用matlab軟件的mershgrid函數(shù)繪制雙葉雙曲面

[xyz]=meshgrid(-20:2:20);

v=x.^2/25+y.^2/36-z.^2/16+1;

p=isosurface(x,y,z,v,0);

patch(p,'edgecolor','r','facecolor','r','facealpha',0.2);

view(3);axisequal;gridon;

xlabel('X');ylabel('Y');zlabel('Z');

contourf函數(shù)的用法

是來繪制等高線的，contour和contourf都是畫三維等高線圖的，不同點(diǎn)在于contour()是繪制輪廓線，contourf()會填充輪廓。

要畫出等高線，核心函數(shù)是plt.contourf()，但在這個函數(shù)中輸入的參數(shù)是x,y對應(yīng)的網(wǎng)格數(shù)據(jù)以及此網(wǎng)格對應(yīng)的高度值，因此我們調(diào)用np.meshgrid(x,y)把x,y值轉(zhuǎn)換成網(wǎng)格數(shù)據(jù)。

如果想顯示熱力圖，那只要在plt.contourf()函數(shù)中添加屬性cmap=plt.cm.hot就能顯示熱力圖，其中cmap代表為colormap，我們把colormap映射成hot(熱力圖)。

mesh函數(shù)怎么設(shè)置坐標(biāo)

關(guān)于這個問題，在使用MATLAB中的mesh函數(shù)繪制三維圖形時，可以通過設(shè)置x、y、z三個參數(shù)來設(shè)置坐標(biāo)。

其中，x和y分別是矩陣或向量，用于表示圖形的橫縱坐標(biāo)，z是與x、y對應(yīng)的矩陣，表示圖形的高度或深度。

例如，若要繪制一個平面，可以設(shè)置x和y為一組坐標(biāo)，z為所有點(diǎn)的高度（即z=0），示例代碼如下：

```matlab

x=linspace(-5,5,100);

y=linspace(-5,5,100);

[X,Y]=meshgrid(x,y);

Z=zeros(size(X));

mesh(X,Y,Z)

```

如果需要繪制一個立體圖形，則需要設(shè)置z為對應(yīng)的高度值，示例代碼如下：

```matlab

x=linspace(-5,5,100);

y=linspace(-5,5,100);

[X,Y]=meshgrid(x,y);

Z=sin(sqrt(X.^2+Y.^2))./(sqrt(X.^2+Y.^2));

mesh(X,Y,Z)

```

以上代碼將繪制一個以x、y為平面，高度根據(jù)x、y的距離計(jì)算得出的立體圖形。

如果你還想了解更多這方面的信息，記得收藏關(guān)注本站。