Python 使用Matplotlib对数据进行动画散点绘制

我试图以这种方式调整动画散点图示例，因此它实时显示了我开发的基于代理的模型的结果。然而，图中显示的结果并不是我想要的结果，除了它们。 更新值时出错，代理倾向于以对角线聚集的地方会出现奇怪的模式。 我添加了一些简单的代码来说明这个问题。有人知道哪里出了问题吗

import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np
import os

n = 25 ## nr of agents
x,y = 10, 10 ## matrix of x by y dimension
dataX, dataY, binaryRaster = [],[],[]

class AnimatedScatter(object):
    """An animated scatter plot using matplotlib.animations.FuncAnimation."""
    def __init__(self):
        global n
        self.numpoints = n
        self.stream = self.data_stream()
        self.fig, self.ax = plt.subplots()
        self.ax.set_title("My first Agent Based Model (ABM)",fontsize=14)
        self.ax.grid(True,linestyle='-',color='0.75')
        self.ani = animation.FuncAnimation(self.fig, self.update, interval=100, 
                                           init_func=self.setup_plot, blit=True,
                                           repeat=False)

    def setup_plot(self):
        """Initial drawing of the scatter plot."""
        global x,y
        dataX,dataY = next(self.stream)
        self.scat = self.ax.scatter(dataY, dataX, c="tomato", s=20, animated=True)
        self.ax.axis([0, y, x, 0])
        return self.scat,

    def data_stream(self):
        """Generate a random walk (brownian motion). Data is scaled to produce
        a soft "flickering" effect."""
        global x,y, n

        dataX,dataY = self.createRandomData()

        #printing results to ascii for validation
        lines = []
        binaryData = np.zeros((x,y), dtype=np.int)
        for i in range(n):
            binaryData[dataX,dataY] =1
        for i in range(x):
            line = ""
            for j in range(y):
                line += str(binaryData[i,j])+ ","
            line= line[:-1]+ "\n"
            lines.append(line)
        lines.append("\n")

        yx = np.array([dataY,dataX])
        cnt = 0
        while cnt < 10:
            dataX,dataY = self.createRandomData()
            yx = np.array([dataY,dataX])

            #printing results to ascii for validation
            binaryData = np.zeros((x,y), dtype=np.int)
            for i in range(n):
                binaryData[dataX,dataY] =1
            for i in range(x):
                line = ""
                for j in range(y):
                    line += str(binaryData[i,j])+ ","
                line= line[:-1]+ "\n"
                lines.append(line)
            lines.append("\n")

            cnt+=1
            yield yx

        #printing results to ascii for validation

        outNm = os.getcwd()+"\\ScatterValidation.txt"
        outfile = open(outNm, "w")
        outfile.writelines(lines)
        outfile.close()
        return

    def update(self, i):
        """Update the scatter plot."""
        data = next(self.stream)
        self.scat.set_offsets(data[:2, :])
        return self.scat,

    def show(self):
        plt.show()

    def createRandomData(self):
        """Positions n agents randomly on a raster of x by y cells.
        Each cell can only hold a single agent."""

        global x,y,n
        binaryData = np.zeros((x,y), dtype=np.int)
        newAgents = 0
        dataX,dataY = [],[]
        while newAgents < n:
            row = np.random.randint(0,x,1)[0]
            col = np.random.randint(0,y,1)[0]
            if binaryData[row][col] != 1:
                binaryData[row][col] = 1
                newAgents+=1

        for row in range(x):
            for col in range(y):
                if binaryData[row][col] == 1:
                    dataX.append(row)
                    dataY.append(col)
        return dataX, dataY

def main():
    global n, x, y, dataX, dataY, binaryRaster
    a = AnimatedScatter()
    a.show()
    return

if __name__ ==  "__main__":
    main()

导入matplotlib.pyplot作为plt
将matplotlib.animation导入为动画
将numpy作为np导入
导入操作系统
n=25个代理人
x、 y=10，x×y维的10##矩阵
dataX、dataY、二进制光栅=[]、[]、[]
类AnimatedScatter（对象）：
“”“使用matplotlib.animations.FuncAnimation的动画散点图。”“”
定义初始化（自）：
全球n
self.numpoints=n
self.stream=self.data\u stream（）
self.fig，self.ax=plt.subplot（）
self.ax.set_title（“我的第一个基于代理的模型（ABM）”，fontsize=14）
self.ax.grid（True，linestyle='-'，color='0.75'）
self.ani=animation.FuncAnimation（self.fig，self.update，interval=100，
init_func=self.setup_plot，blit=True，
重复（错误）
def设置图（自）：
“”“散点图的初始绘制。”“”
全局x，y
dataX，dataY=next（self.stream）
self.scat=self.ax.scatt（dataY，dataX，c=“番茄”，s=20，动画=True）
自身最大轴（[0，y，x，0]）
返回self.scat，
def数据流（自）：
“”“生成随机游动（布朗运动）。数据按比例缩放以生成
柔和的“闪烁”效果
全局x，y，n
dataX，dataY=self.createRandomData（）
#将结果打印到ascii以进行验证
行=[]
binaryData=np.zeros（（x，y），dtype=np.int）
对于范围（n）中的i：
binaryData[dataX，dataY]=1
对于范围（x）内的i：
line=“”
对于范围（y）内的j：
line+=str（二进制数据[i，j]）+“，”
行=行[：-1]+“\n”
行。追加（行）
行。追加（“\n”）
yx=np.array（[dataY，dataX]）
cnt=0
当cnt<10时：
dataX，dataY=self.createRandomData（）
yx=np.array（[dataY，dataX]）
#将结果打印到ascii以进行验证
binaryData=np.zeros（（x，y），dtype=np.int）
对于范围（n）中的i：
binaryData[dataX，dataY]=1
对于范围（x）内的i：
line=“”
对于范围（y）内的j：
line+=str（二进制数据[i，j]）+“，”
行=行[：-1]+“\n”
行。追加（行）
行。追加（“\n”）
cnt+=1
产量yx
#将结果打印到ascii以进行验证
outNm=os.getcwd（）+“\\ScatterValidation.txt”
输出文件=打开（输出NM，“w”）
输出文件写入线（行）
outfile.close（）
返回
def更新（自我，i）：
“”“更新散点图。”“”
数据=下一个（self.stream）
self.scat.set_偏移量（数据[：2，：]）
返回self.scat，
def显示（自我）：
plt.show（）
def createRandomData（自）：
“”“在x×y单元格的光栅上随机定位n个代理。”。
每个单元格只能容纳一个代理。”“”
全局x，y，n
binaryData=np.zeros（（x，y），dtype=np.int）
newAgents=0
dataX，dataY=[]，[]
当新代理

您可以通过两种方式修复脚本，这两种方式都涉及更改

更新功能：

我认为在update函数中使用分散调用更清晰
在update中调用set_offset之前转置数据数组
使用分散调用是最清晰的修复方法，您可以在运行期间增加代理：

def update(self, i):
    """Update the scatter plot."""
    dataX, dataY = next(self.stream)
    self.scat = self.ax.scatter(dataX, dataY, c="tomato", s=20, animated=True)
    return self.scat,

变换偏移量数组也会起作用：

def update(self, i):
    """Update the scatter plot."""
    data = next(self.stream)
    self.scat.set_offsets(data.transpose())
    return self.scat,

偏移量以每个2项的N个元组的形式给出，而数据数组以每个N项的2个元组的形式给出，转换数据数组将解决您的问题

注意：如果不更改全局变量，则不需要使用全局语句指定全局变量，因此在
设置\u绘图
，
初始化
等中，可以删除
全局n，x，y
行。
我会将
n
、
x
和
y
作为类的实例变量，而且不需要在脚本顶部定义
dataX
、
dataY
和
binaryRasted
。
亲爱的Arjenve，回答得很好！！我已经认为这个“更新”功能出现了故障。你的两个选择都很完美。