python+matplotlib实现动态绘制图片实例代码（交互式绘图）

本文研究的主要是python+matplotlib实现动态绘制图片（交互式绘图）的相关内容，具体介绍和实现代码如下所示。

　　最近在研究动态障碍物避障算法，在Python语言进行算法仿真时需要实时显示障碍物和运动物的当前位置和轨迹，利用Anaconda的Python打包集合，在Spyder中使用Python3.5语言和matplotlib实现路径的动态显示和交互式绘图（和Matlab功能类似）。

　　Anaconda是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。Anaconda官方地址：https://www.continuum.io/downloads/

　　matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。其中，matplotlib的pyplot子库提供了和matlab类似的绘图API，方便用户快速绘制2D图表，它的文档相当完备，并且 Gallery页面中有上百幅缩略图，打开之后都有源程序。matplotlib官方地址：http://matplotlib.org/

　　在调研matplotlib动态绘制曲线方法中，和matlab相似有animation方法和交互式绘图，但是animation方法灵活性不高，不太适合路径的实时动态显示，本文最后采用交互式绘图模（interactive mode）。具体参见http://matplotlib.org/users/shell.html。

　　The interactive property of the pyplot interface controls whether a figure canvas is drawn on every pyplot command. If interactive is False, then the figure state is updated on every plot command, but will only be drawn on explicit calls to draw(). When interactive is True, then every pyplot command triggers a draw.

　　当绘图语句中加入pl.ion()时，表示打开了交互模式。此时python解释器解释完所有命令后，给你出张图，但不会结束会话，而是等着你跟他交流交流。如果你继续往代码中加入语句，run之后，你会实时看到图形的改变。当绘图语句中加入pl.ioff()时或不添加pl.ion()时，表示打关了交互模式。此时要在代码末尾加入pl.show()才能显示图片。python解释器解释完所有命令后，给你出张图，同时结束会话。如果你继续往代码中加入语句，再不会起作用，除非你关闭当前图片，重新run。

　　采用交互式绘图模式后，可以方便地绘出障碍物的运动轨迹和当前位置，深切感觉matplotlib和matlab很类似，基本matlab的功能都可以在matplotlib中找到，所以matlab中的代码也可以很快移植到python中！

代码示例：

# -*- coding: utf-8 -*-
"""
Created on Sat Mar 25 23:28:29 2017

@author: wyl
"""

import matplotlib.pyplot as plt
from matplotlib.patches import Circle
import numpy as np
import math
  
plt.close() #clf() # 清图 cla() # 清坐标轴 close() # 关窗口
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.axis("equal") #设置图像显示的时候XY轴比例
plt.grid(True) #添加网格
plt.ion() #interactive mode on
IniObsX=0000
IniObsY=4000
IniObsAngle=135
IniObsSpeed=10*math.sqrt(2)  #米/秒
print('开始仿真')
try:
  for t in range(180):
    #障碍物船只轨迹
    obsX=IniObsX+IniObsSpeed*math.sin(IniObsAngle/180*math.pi)*t
    obsY=IniObsY+IniObsSpeed*math.cos(IniObsAngle/180*math.pi)*t
    ax.scatter(obsX,obsY,c='b',marker='.') #散点图
    #ax.lines.pop(1) 删除轨迹
    #下面的图,两船的距离
    plt.pause(0.001)
except Exception as err:
  print(err)

演示结果：

总结

以上就是本文关于python+matplotlib实现动态绘制图片实例代码（交互式绘图）的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！

最新评论