百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

如何在推文里让你的曲线动起来?(如何在推文里让你的曲线动起来呢)

ztj100 2025-03-20 21:17 23 浏览 0 评论

微信公众号里的动图

在前天推文“狗追鸭子[1]”留言中,有同学学问推文中的动图是如何制作的。

关于动图的制作方法,在公众号里大家输入 动图? 便可以查询到原来的说明。

推文中的动图是通过数据采集系统,包括可以读取数值的数字万用表、数字示波器、数字频谱仪以及特制的数据采集板卡等来采集。然后通过python语言绘制产生相应的动图。动图的风格包括以下两种:

(1)动态信号波形

仿照示波器显示波形的形式,将连续采集到的数据动态展示出来,反映了信号的变化特点。

动态信号波形图

(2)逐步增多数据曲线

将采集到的数据从少到多绘制成逐步压缩的曲线,可以展示数据发展的趋势规律。

动态数据曲线

绘制动图方法

以上两种方式主要是借助于两组命令分成两步形成GIF动图。

第一步 绘制曲线,存储图片

绘制曲线使用matplotlib中的plot命令完成。根据需要绘制的风格,可以选择按照一帧一帧地逐帧绘制,也可选择按照从少到多的绘制方式。

下面的代码片段显示了绘制一组频率变化的正弦曲线的图像,并将它们逐帧存储在指定目录中,文件名称从0.jpg,变化到49.jpg。这是制作动图的第一步。

import matplotlib.pyplot as pltomiga = linspace(1, 5, 50)t = linspace(0, 20, 200)count=0for o in omiga:    sint = sin(t * o)        plt.clf()    plt.plot(t, sint, label='Sinusoidal Curve')    plt.xlabel('Time (s)')    plt.ylabel('Amplitude (V)')    plt.grid(True)    plt.savefig(r'd:\temp\%d.jgp'%count)    count = count+1

根据matplotlib中的说明,存储图频的格式不包括BMP格式。可以生成JPG或者其他类型的图片。

生成频谱动态增加的曲线

第二步 生成动图文件

有了逐帧图片,现在有很多独立的程序,或者在线的网站可以提供转换成GIF片的功能。其中一个小巧但功能比较强的软件工具是:movgear.exe 软件。它不仅可以将一组单张图图频转换成GIF图片,也可以完成相应的编辑功能。

也存在很多python软件包可以帮助生成GIF图片,其中一个比较简便的就是是踹死PIL中的Image对象,在调用save()命令的时候生成GIF文件。在生成的同时可以指明每个图片显示的时间长度。

下面的代码片段显示了应用Image将输入的一组文件名称所对应的图频转换成GIF文件的过程。

下面是定义了一个PlotGIF类来帮助存储plt对象中的文件以及最后生成GIF图片。其中在初始化的时候指明一个临时的目录来存储PLOT存储的JPG文件。使用append()命令来添加每一次 plt 调用 savefig 所产生的文件。最后使用 save() 命令生成最终的 GIF 文件。

#------------------------------------------------------------# TSDRAW.PY#------------------------------------------------------------from tsmodule.tspdata   import *from PIL import Image#------------------------------------------------------------class PlotGIF(object):    def __init__(self, gifdir=r'd:\temp\GIF'):        self.gifdir = gifdir        self.imageDim = []        self.count = 0        if os.path.isdir(gifdir) == False:            os.mkdir(gifdir)    def infor(self, ):        printf(self.gifdir, self.count)    def __str__(self, ):        return 'gifdir:%s'%self.dir    def append(self, plt):        filename = os.path.join(self.gifdir, '%04d.jpg'%self.count)        self.count = self.count + 1        plt.savefig(filename)        self.imageDim.append(Image.open(filename))            def save(self, giffile, period=100, last=100):        duration = period[](self.imageDim "period")        duration[-1] = last        self.imageDim[0].save(giffile,\                              save_all=True,\                              append_images=self.imageDim[1:],\                              duration=duration,                              loop=False)        self.imageDim = []        self.count = 0        printf('Save GIF:%s'%giffile)

减少动图文件大小

如果是在微信公众号中使用GIF文件,它有两个限制,一个是文件的大小不超过5 MBytes。第二个限制是动图中包含的图片不超过300张。

如果文件的大小超过了5 M字节怎么办?

一方面可以在使用 plt 时,每张图片的大小尽量减小。另外一方面可以使用 movgear软件 对GIF文件进行差分存储。这种模式是将GIF图片中每相邻的两张图片相减,存储时将变化量按照游程无损编码方式完成压缩存储。如果动图相邻两张图片非常相似,这种差分之后的存储就非常有效果。对于不复杂的 plt的图片使用差分存储可以很轻松获得5倍以上的压缩效果。

movgear压缩GIF文件


相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: