Matplotlib粒子云动画制作指南
文章小白一枚,正在不断学习积累知识,现将学习到的知识记录一下,也是将我的所得分享给大家!而今天这篇文章《Matplotlib粒子云动画制作教程》带大家来了解一下##content_title##,希望对大家的知识积累有所帮助,从而弥补自己的不足,助力实战开发!

本文将指导你如何使用 Matplotlib 库创建粒子云动画,展示粒子在每个时间步的运动状态,而不是追踪它们的轨道。我们将修改现有的轨道模拟代码,使其能够以更直观的方式可视化粒子运动,并最终将动画保存为 MP4 格式。
修改动画代码以显示粒子云
原始代码绘制的是粒子的轨道,为了只显示每个时间步的粒子位置,我们需要修改 orbit_animation.py 文件中的 animate_orbits 函数。关键在于修改 ax.plot 的参数。
将以下代码:
cloud_plot, = ax.plot([], [], [], label='Cloud Particles')
修改为:
cloud_plot, = ax.plot([], [], [], line style="max-width:100%", marker='o', label='Cloud Particles')
这里,linestyle="none" 移除了连接粒子的线条,而 marker='o' 使用圆形标记来表示每个粒子。
调整动画帧率
原始代码中 interval=500 导致动画非常卡顿,这意味着每帧之间有 500 毫秒的延迟,相当于 0.5 帧每秒 (fps)。为了获得更流畅的动画,需要减小这个值。建议将 interval 设置为 50,相当于 20 fps。
在 FuncAnimation 函数调用中进行修改:
animation = FuncAnimation(fig, update, frames=pos.shape[1], interval=interval, blit=True)
修改为:
animation = FuncAnimation(fig, update, frames=pos.shape[1], interval=50, blit=True)
保存动画为 MP4 文件
Matplotlib 的 FuncAnimation 对象提供了 save 方法,可以方便地将动画保存为多种格式,包括 MP4。只需要将文件路径指定为 .mp4 扩展名即可。
在 orbit_animation.py 文件的末尾添加以下代码:
animation.save("particle_cloud.mp4", fps=20)这里,"particle_cloud.mp4" 是保存的文件名,fps=20 设置了视频的帧率为 20 fps,与动画的帧率保持一致,以获得最佳效果。
完整修改后的 orbit_animation.py 代码
# orbit_animation.py
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib.animation import FuncAnimation
def animate_orbits(pos, intervals=1000000, interval=500):
fig = plt.figure(figsize=(8, 8))
ax = fig.add_subplot(111, projection='3d')
# Scatter plot for Sgr A*
sgr_a_plot = ax.scatter([0], [0], [0], color='black', marker='o', s=50, label='Sgr A*')
# Initialize an empty line for the cloud particles
cloud_plot, = ax.plot([], [], [], linestyle="none", marker='o', label='Cloud Particles')
# Set plot labels and title
ax.set_xlabel('X (km)')
ax.set_ylabel('Y (km)')
ax.set_zlabel('Z (km)')
ax.legend(loc='upper right', bbox_to_anchor=(1.1, 1.1))
ax.set_title('Cloud Particles around Sgr A*')
# Initialize axis limits
x_min, x_max = np.min(pos[:, :, 0]), np.max(pos[:, :, 0])
y_min, y_max = np.min(pos[:, :, 1]), np.max(pos[:, :, 1])
z_min, z_max = np.min(pos[:, :, 2]), np.max(pos[:, :, 2])
# Animation update function
def update(frame):
# Update Sgr A* position
sgr_a_plot._offsets3d = ([0], [0], [0])
# Update cloud particles
cloud_plot.set_data(pos[:, frame, 0], pos[:, frame, 1])
cloud_plot.set_3d_properties(pos[:, frame, 2])
# Update axis limits dynamically
x_min, x_max = np.min(pos[:, :, 0]), np.max(pos[:, :, 0])
y_min, y_max = np.min(pos[:, :, 1]), np.max(pos[:, :, 1])
z_min, z_max = np.min(pos[:, :, 2]), np.max(pos[:, :, 2])
ax.set_xlim(x_min, x_max)
ax.set_ylim(y_min, y_max)
ax.set_zlim(z_min, z_max)
return sgr_a_plot, cloud_plot
# Create the animation
animation = FuncAnimation(fig, update, frames=pos.shape[1], interval=50, blit=True)
plt.show()
animation.save("particle_cloud.mp4", fps=20)总结
通过以上步骤,你就可以成功地将轨道模拟动画修改为粒子云动画,并将其保存为 MP4 格式。关键在于理解 ax.plot 函数的参数,以及 FuncAnimation 对象的 interval 和 save 方法。 请记住,根据你的模拟数据和期望的视觉效果,可能需要进一步调整动画的帧率和保存设置。
好了,本文到此结束,带大家了解了《Matplotlib粒子云动画制作指南》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!
酷狗音乐设铃声教程及步骤详解
- 上一篇
- 酷狗音乐设铃声教程及步骤详解
- 下一篇
- 爱奇艺体育投屏教程与使用方法
-
- 文章 · python教程 | 2小时前 | python · Python 异常传播 函数装饰器 contextlib.ContextDecorator with
- Python ContextDecorator 同时支持 with 与函数装饰器的实现边界
- 242浏览 收藏
-
- 文章 · python教程 | 2小时前 | 文件处理 · python · 异常排查 · Python 工作目录 异常恢复 contextlib.chdir
- Python contextlib.chdir 临时切换目录后如何保证异常恢复
- 158浏览 收藏
-
- 文章 · python教程 | 2小时前 | 缓存 · python · Python 缓存失效 实例属性 __dict__ functools.cached_property
- Python functools.cached_property 删除属性后如何强制刷新缓存
- 463浏览 收藏
-
- 文章 · python教程 | 2小时前 | 标准库 · python · 数据处理 · 问题排查 · collections.Counter 库存扣减 Python Counter.subtract 缺失项目 负计数
- Python Counter.subtract 后怎么判断真正缺失的项目
- 410浏览 收藏
-
- 文章 · python教程 | 2小时前 | python ·
- Python defaultdict 访问缺省键为什么会改变字典内容
- 482浏览 收藏
-
- 文章 · python教程 | 2小时前 |
- Python itertools.pairwise 怎么在相邻记录比较中保留首尾信息
- 172浏览 收藏
-
- 文章 · python教程 | 2天前 |
- Python logging Formatter 统一结构化字段输出
- 185浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 456次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 521次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 536次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 484次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 304次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

