【Python】Matplotlib（ArtistAnimation）によるアニメーション作成法｜Google Colab対応

 

本記事では、上記の悩みを徹底的に解決していきます。

Pythonの『matplotlib.animation.ArtistAnimation』を使用することで簡単にアニメーションを作ることができます。

意外な落とし穴が、Jupyter notebookとGoogle Colaboratoryでアニメーションの作成方法が微妙に異なることです（意外と多くの方が、そのせいで時間を浪費していると思います…）

そのため、本記事では、matplotlibを利用したアニメーション作成方法をGoogle ColabratoryとJupyter notebookケースどちらも説明します。

 

matplotlibでアニメーションを作成するための仕組み

 

matplotlibの『ArtistAnimation』でアニメーションを作成する場合、以下の二つのプロセスでアニメーションを作成できます。

 

少し詳しく説明します。

 

グラフを一つのリストにまとめる

 

まずは、グラフ（axesオブジェクト）を一つのリストにまとめます。

リストは、最初のグラフから最後のグラフがパラパラ漫画になるようにリストにまとめてください。

具体的には、以下のようなイメージです。

 

以下では、グラフから作成されるリストを慣習に従い『ims』と定義し、各グラフを『im』と定義します（imageの略です）

 

ArtistAnimation関数でアニメーションを作成

 

グラフから作成されるリストができれば、あとはArtistAnimationという関数を使用してアニメーションが簡単に作成できます！

また、ArtistAnimation関数の引数を設定することで細かいカスタマイズも可能です。

特に具体例がないと作成方法のイメージがわからないと思うので、ここからは具体的にアニメーションを作成していきます。

 

 

 

matplotlibを利用したアニメーション作成法

 

実際に、Google ColaboratoryとJupyter notebookのケースに分けてアニメーションの作成方法を説明していきます。

基本的なグラフの作成方法をまだ理解していない方は、最初に下記を読んでから本記事を読んでください。

 

【15分】Pythonでグラフを作成する方法｜matplotlibの基本をマスターPythonでグラフを書くことが難しそうだと思っていませんか？実は、Pythonを使用したグラフ作成は、excelより便利で簡単です。この記事では、初心者でもグラフが書けるように丁寧にpythonのグラフの作成法を説明します。...

 

Google Colaboratoryでアニメーションを作成する方法

 

まずは、必要なライブラリをインポートしましょう。

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import animation, rc
from IPython.display import HTML

 

Google Colabratoryでアニメーションを作成するコードは以下のようになります。

x = np.linspace(0,2*np.pi, 100) 

# fig, axオブジェクトを作成
fig, ax = plt.subplots()

# グラフのリスト作成
ims=[]
for i in range(10): 
    y = np.sin(x + 2*np.pi*(i/10))
    im = ax.plot(x, y, color='b')
    # グラフをリストに加える
    ims.append(im)

# 各軸のラベル
ax.set_xlabel(r"$x$", fontsize=15)
ax.set_ylabel(r"$y$", fontsize=15)
# グラフの範囲を設定
ax.set_xlim([0, 2*np.pi])
ax.set_ylim([-1.5, 1.5]) 

# ArtistAnimationにfigオブジェクトとimsを代入してアニメーションを作成
anim = animation.ArtistAnimation(fig, ims)

# Google Colaboratoryの場合必要
rc('animation', html='jshtml')
plt.close()
anim

 

<出力>

 

作成したグラフのリスト（ims）をaimation.ArtistAnimation(fig, ims)と代入することでアニメーションを作成することができます。

最終行の『Google Colaboratoryの場合必要』の部分はJavascriptを裏で動かしていますが、おまじないと思っても問題ありません。

 

Jupyter notebookでアニメーションを作成

 

Jupyter notebookの場合は、『Google Colaboratoryの場合必要』の部分が単に『plt.show()』に変わるだけです。

一応コードを共有します。

fig, ax = plt.subplots()
x = np.linspace(0, 4*np.pi)
# グラフをリスト化
ims = []
for i in range(10):
    y = i*x
    im = ax.plot(x, y, color='b')
    artists.append(ims)

# animオブジェクトを作成   
anim = ArtistAnimation(fig, ims)
plt.show()

x = np.linspace(0,2*np.pi, 100) 
fig, ax = plt.subplots()
ims=[]
for i in range(10): 
    y = np.sin(x + 2*np.pi*(i/10))
    im = ax.plot(x, y, color='b')
    ims.append(im)
ax.set_xlabel(r"$x$", fontsize=15)
ax.set_ylabel(r"$y$", fontsize=15)
ax.set_xlim([0, 2*np.pi])
ax.set_ylim([-1.5, 1.5])   
anim = animation.ArtistAnimation(fig, ims)

# Jupyter notebookの場合これでOK
plt.show()

 

Jupyter notebookの方がシンプルで理解しやすいですね。

 

 

アニメーションのカスタマイズ（ArtistAnimationの引数）

 

ArtistAnimationの引数を変更することで可能なカスタマイズ方法を説明します。

具体的に、ArtistAnimationの引数を調節することで動画の再生方法をカスタマイズすることができます（下記を参照）

引数名
interval	グラフを表示する間隔（デフォルト : 0.2秒）
repeat	動画を繰り返すかどうか（デフォルト : True）
repeat_delay	動画をリピートする際の待ち時間（デフォルト : 0秒）
blit	ブリっティング（高速な処理方法）を使用するかどうか（デフォルト : False）

次に説明する複数のアニメーションを同時再生の部分で、引数を具体的に変更していきます！

 

 

一つの画面に複数のアニメーションを同時に再生

 

一つの画面に複数のアニメーションを作るには、下記のコードを入力します。

x = np.linspace(0,2*np.pi, 100) 

# fig, axオブジェクトを作成
fig, ax = plt.subplots()

# グラフのリスト作成
ims=[]
for i in range(10): 
    y1 = np.sin(x + 2*np.pi*(i/10))
    y2 = np.cos(x + 2*np.pi*(i/10))
    im1 = ax.plot(x, y1, color='b')
    im2 = ax.plot(x, y2, color='g')
    ims.append(im1+im2)

# 各軸のラベル
ax.set_xlabel(r"$x$", fontsize=15)
ax.set_ylabel(r"$y$", fontsize=15)
# グラフの範囲を設定
ax.set_xlim([0, 2*np.pi])
ax.set_ylim([-1.5, 1.5]) 

# ArtistAnimationにfigオブジェクトとimsを代入してアニメーションを作成
anim = animation.ArtistAnimation(fig, ims, interval=300)

# Google Colaboratoryの場合必要
rc('animation', html='jshtml')
plt.close()
anim

 

<出力>

 

ポイントは、下記のようにimsを作成するところです。

ims.append(im1+im2)

 

これを応用すれば、複数のアニメーションも表示させることは容易です。

 

複数のアニメーションを同時に再生する

 

複数のアニメーションを異なるグラフで再生する方法を説明します。

具体的には、以下のコードで異なるグラフにアニメーションを作成することができます。

x = np.linspace(0,2*np.pi, 100) 

# fig, axオブジェクトを作成
fig, axes = plt.subplots(1, 2, constrained_layout=True)

# グラフのリスト作成
ims=[]
for i in range(10): 
    y1 = np.sin(x + 2*np.pi*(i/10))
    y2 = np.cos(x + 2*np.pi*(i/10))
    im1 = axes[0].plot(x, y1, color='b')
    im2 = axes[1].plot(x, y2, color='g')
    ims.append(im1+im2)

# 各軸のラベル
axes[0].set_xlabel(r"$x_{1}$", fontsize=15)
axes[0].set_ylabel(r"$\sin(x_{1})$", fontsize=15)
axes[1].set_xlabel(r"$x_{2}$", fontsize=15)
axes[1].set_ylabel(r"$\cos(x_{2})$", fontsize=15)
# グラフの範囲を設定
axes[0].set_xlim([0, 2*np.pi])
axes[0].set_ylim([-1.5, 1.5]) 
axes[1].set_xlim([0, 2*np.pi])
axes[1].set_ylim([-1.5, 1.5]) 

# ArtistAnimationにfigオブジェクトとimsを代入してアニメーションを作成
anim = animation.ArtistAnimation(fig, ims, interval=300)

# Google Colaboratoryの場合必要
rc('animation', html='jshtml')
plt.close()
anim

 

<出力>

 

ポイントは、一つの画面でアニメーションを作るときと同様に、以下のようにimsを作成するところです。

ims.append(im1+im2)

 

次にこれまでの知識を使ったまとめを説明します。

 

同時アニメーションの応用

 

片方のグラフには、二つのアニメーションを再生し、もう片方のグラフに一つのアニメーションを再生する応用を下記のコードで紹介します。

x = np.linspace(0,2*np.pi, 100) 
fig, axes = plt.subplots(1, 2, constrained_layout=True)
ims=[]
for i in range(10): 
    y1 = np.sin(x + 2*np.pi*(i/10))
    y2 = np.cos(x + 2*np.pi*(i/10))
    im1 = axes[0].plot(x, y1, color='b')
    im2 = axes[0].plot(x, y1+y2, color='r')
    im3 = axes[1].plot(x, y2, color='g')
    ims.append(im1+im2+im3)
axes[0].set_xlabel(r"$x_{1}$", fontsize=15) ; axes[0].set_ylabel(r"$y_{1}$", fontsize=15)
axes[1].set_xlabel(r"$x_{2}$", fontsize=15) ; axes[1].set_ylabel(r"$y_{2}$", fontsize=15)
axes[0].set_xlim([0, 2*np.pi]) ; axes[0].set_ylim([-1.5, 1.5]) 
axes[1].set_xlim([0, 2*np.pi]) ; axes[1].set_ylim([-1.5, 1.5]) 
anim = animation.ArtistAnimation(fig, ims, interval=300)
rc('animation', html='jshtml')
plt.close()
anim

 

<出力>

 

ここまで書ければ自由自在にアニメーションを作成することができます。

 

matplotlibのアニメーションの保存方法

 

matplotlibのアニメーションを保存するためには、以下のコードを入力することでアニメーションを保存することができます。

anim = animation.ArtistAnimation(fig, ims, interval=300)
anim.save('anim1.mp4')

 

＊Google Colaboratoryで使用する場合は、これまでの『Google Colaboratoryの場合必要』以降を、『anim.save(‘ファイル名.mp4’)』に置き換えてください。

これで、mp4形式でアニメーションを保存することができます。

Jupyter notebookの場合で動作しない場合は下記をターミナルからインストールしてください。

pip install ffmpeg-python

 

お疲れ様です。これで一通り終了です。

 

【応用編】より高度なmatplotlibのアニメーション

 

ここからは、応用編としてさまざまなアニメーション例を紹介します。

imshowのアニメーション

 

imshowのアニメーションの具体例を紹介します。

fig, ax = plt.subplots()
ims=[]
for _ in range(10): 
    x = np.random.randn(10, 10) 
    im = ax.imshow(x, animated=True)
    # imをlistで囲む
    ims.append([im])
anim = animation.ArtistAnimation(fig, ims, interval=300)

# Google Colaboratoryの場合必要
rc('animation', html='jshtml')
plt.close()
anim

 

<output>

 

変更点は、im（axオブジェクト）をlistで囲むところのみです。

 

まとめ

 

本記事では、matplotlibでアニメーションを作成する方法を基本から初めて、高度なアニメーションを作成するところまでを説明しました。

読者の方々が実務で応用できることを望んできます…

さらに、高度な可視化や機械学習をpythonで実装してみたい方は、『Udemy』が本当におすすめです（実際に15講座まとめ買いして一気にPythonの能力が上がりました！）

そこで、私の受講経験から本当におすすめできる講座を厳選してました（下記参照）

 

【最新】UdemyでおすすめのPythonコース｜東大生が厳選！10万を超える講座があるUdemyの中で、Pythonに関係する講座を厳選しました。また、本記事では、Udemyを使用しながらPythonをどのような順番で勉強するべきかを紹介しました。ぜひ参考にしてください。...

 

さらに最短で能力を上げたい場合は、プログラミングスクールがおすすめです（メンターが着くのは極めて効率的に学習できます）

 

【最新】Pythonに強いプログラミングスクール7選｜東大生が厳選Pythonの流行と共に、Pythonに強いプログラミングスクールが増えてきました。本記事では、特にPythonを効率的に学ぶことができるプログラミングスクールを経験をもとに厳選して、内容を詳しく解説しています。...

 

それ以外にも、本ブログではPython（matplotlib, seaborn）による可視化方法を説明しています。

詳細は下記にまとめておくので、参考にしてください。

Python学習を効率化させるサービス

 

Pythonを学習するのに効率的なサービスを紹介していきます。

まず最初におすすめするのは、Udemyです。

Udemyは、Pythonに特化した授業がたくさんあり、どの授業も良質です。

また、セール中は1500円定義で利用することができ、コスパも最強です。

下記の記事では、実際に私が15個以上の講義を受講して特におすすめだった講義を紹介しています。

 

【最新】UdemyでおすすめのPythonコース｜東大生が厳選！10万を超える講座があるUdemyの中で、Pythonに関係する講座を厳選しました。また、本記事では、Udemyを使用しながらPythonをどのような順番で勉強するべきかを紹介しました。ぜひ参考にしてください。...

 

他のPythonに特化したオンライン・オフラインスクールも下記の記事でまとめています。

 

【最新】Pythonに強いプログラミングスクール7選｜東大生が厳選Pythonの流行と共に、Pythonに強いプログラミングスクールが増えてきました。本記事では、特にPythonを効率的に学ぶことができるプログラミングスクールを経験をもとに厳選して、内容を詳しく解説しています。...

 

自分の学習スタイルに合わせて最適なものを選びましょう。

また、私がPythonを学ぶ際に使用した本を全て暴露しているので参考にしてください。

 

• 【レベル別】Pythonを学ぶための本を厳選しました｜入門〜上級者まで
• 【レベル別】Pythonで機械学習を学ぶための本｜最短実務応用を目指せ！