使用moviepy制作matplotlib图表的难度很大

Question

我必须制作大量(~90,000)个数字的动画.对于上下文,它是1700年至1950年间每一天的地图,在相关的日子里标记了感兴趣的事件.我可以使用matplotlib.animation.FuncAnimation,并且我有一些代码可以在一个小的测试期内成功完成.然而,对于完整的数字集,这将花费不切实际的时间来渲染并将导致非常大的电影文件.我读过,显然moviepy提供了速度和文件大小的优点.但是,我无法让它工作 - 我相信我的问题是我还没有理解如何正确设置duration和fps参数.

我的代码的简化版本是:

import numpy as np
import matplotlib.pyplot as plt
from moviepy.video.io.bindings import mplfig_to_npimage
import moviepy.editor as mpy

fig = plt.figure()
ax = plt.axes()
x = np.random.randn(10,1)
y = np.random.randn(10,1)
p = plt.plot(x,y,'ko')

time = np.arange(2341973,2342373)

def animate(i):
   xn = x+np.sin(2*np.pi*time[i]/10.0)
   yn = y+np.cos(2*np.pi*time[i]/8.0)
   p[0].set_data(xn,yn)
   return mplfig_to_npimage(fig)

fps = 1 
duration = len(time)
animation = mpy.VideoClip(animate, duration=duration)
animation.write_videofile("test.mp4", fps=fps)

但是,这不会产生为每个元素生成一帧的电影的预期结果,time并将其保存为.mp4.我无法看到我出错的地方,任何帮助或指示将不胜感激.

祝你好,卢克

Answer 1

与JuniorCompressor相同的解决方案,只有一帧保留在内存中以避免RAM问题.这个例子在我的机器上运行30秒,产生一个质量好的400秒的6000帧剪辑,重600k.

import numpy as np
import matplotlib.pyplot as plt
from moviepy.video.io.bindings import mplfig_to_npimage
import moviepy.editor as mpy

fig = plt.figure(facecolor="white") # <- ADDED FACECOLOR FOR WHITE BACKGROUND
ax = plt.axes()
x = np.random.randn(10, 1)
y = np.random.randn(10, 1)
p = plt.plot(x, y, 'ko')
time = np.arange(2341973, 2342373)

last_i = None
last_frame = None

def animate(t):
    global last_i, last_frame

    i = int(t)
    if i == last_i:
        return last_frame

    xn = x + np.sin(2 * np.pi * time[i] / 10.0)
    yn = y + np.cos(2 * np.pi * time[i] / 8.0)
    p[0].set_data(xn, yn)

    last_i = i
    last_frame = mplfig_to_npimage(fig)
    return last_frame

duration = len(time)
fps = 15
animation = mpy.VideoClip(animate, duration=duration)
animation.write_videofile("test.mp4", fps=fps)

在旁注中,有专门的视频片段称为DataVideoClip,正是出于这个目的,它看起来更像matplotlib animate.目前它不是真正的速度效率(我没有包括上面的那个小记忆技巧).下面是它的工作原理:

from moviepy.video.VideoClip import DataVideoClip

def data_to_frame(time):
    xn = x + np.sin(2 * np.pi * time / 10.0)
    yn = y + np.cos(2 * np.pi * time / 8.0)
    p[0].set_data(xn, yn)
    return mplfig_to_npimage(fig)

times = np.arange(2341973, 2342373)
clip = DataVideoClip(times, data_to_frame, fps=1) # one plot per second

#final animation is 15 fps, but still displays 1 plot per second
animation.write_videofile("test2.mp4", fps=15)