如何使用 matplotlib FuncAnimation 显示 numpy 数组的滑动 windows

Question

我正在开发一种用于检测信号峰值的简单算法。为了对我的算法进行故障排除（并展示它），我想在整个信号持续时间内观察信号和检测到的峰值（即 100Hz = 20000 时间点的 20 分钟).

我认为最好的方法是创建一个带有 matplotlib.animation.FuncAnimation 的动画图，它将连续显示信号滑动 1 个时间点及其在一段时间内的叠加峰值 windows 5 秒（即 500 时间点）。信号存储在一维 numpy.ndarray 中，而峰信息存储在二维 numpy.ndarray 中，包含峰的 x 和 y 坐标。

这是情节的“静止画面”。

现在的问题是我无法完全理解使用 FuncAnimation 执行此操作的方式。

如果我的理解是正确的，我需要三个主要部分：init_func 参数，一个创建绘制绘图的空框的函数，func 参数，即函数实际上为每个帧创建图，以及在帮助中定义为 Source of data to pass func and each frame of the animation.

的参数 frames

查看带有 FuncAnimation 的绘图示例，我只能找到其中要绘制的数据是在移动中创建的用例，例如 here, or here，其中要绘制的数据是 在frame.

的基础上创建

我不明白的是如何使用已经存在的数据来实现这一点，但这些数据是在框架的基础上切片的。因此，我需要 frame 作为一种滑动 window，其中第一个 window 从 0 到 499，第二个从 1 到 500 等等，直到 ndarray 中的时间点结束，以及关联的 func 将 select 点绘制在frames 的基础。我不知道如何实现这个。

我添加代码来创建一个真实的信号，简单地检测峰值并绘制我想要制作动画的 'static' 版本的绘图：

import neurokit2 as nk
from sklearn.preprocessing import MinMaxScaler
import matplotlib.pyplot as plt
from scipy.signal import find_peaks
#create realistic data
data = nk.ecg_simulate(duration = 50, sampling_rate = 100, noise = 0.05,\
                       random_state = 1)
#scale data
scaler = MinMaxScaler()
scaled_arr = scaler.fit_transform(data.reshape(-1,1))
#find peaks
peak = find_peaks(scaled_arr.squeeze(), height = .66,\
        distance = 60, prominence = .5)
#plot
plt.plot(scaled_arr[0:500])
plt.scatter(peak[0][peak[0] < 500],\
         peak[1]['peak_heights'][peak[0] < 500],\
             color = 'red')

Answer 1

我已经使用您提供的数据创建了一个动画；我已经为 5000 个数据提取了 500 个增量的数据并更新了图表。为了便于提取数据，我创建了一个 500 行的索引，其中 id[0] 是开始行，id1 是结束行，帧数是 10。这段代码有效，但是初始设置和数据集在散点图中不起作用，所以我在循环过程中直接绘制了散点图。

import neurokit2 as nk
from sklearn.preprocessing import MinMaxScaler
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
from scipy.signal import find_peaks
import numpy as np

#create realistic data
data = nk.ecg_simulate(duration = 50, sampling_rate = 100, noise = 0.05, random_state = 1)

#scale data
scaler = MinMaxScaler()
scaled_arr = scaler.fit_transform(data.reshape(-1,1))
#find peaks
peak = find_peaks(scaled_arr.squeeze(), height = .66, distance = 60, prominence = .5)

ymin, ymax = min(scaled_arr), max(scaled_arr)
fig = plt.figure()
ax = fig.add_subplot(111)
line, = ax.plot([],[], lw=2)
scat = ax.scatter([], [], s=20, facecolor='red')

idx = [(s,e) for s,e in zip(np.arange(0,len(scaled_arr), 1), np.arange(499,len(scaled_arr)+1, 1))]

def init():
    line.set_data([], []) 
    return line, 

def animate(i):
  id = idx[i]
  #print(id[0], id[1])
  line.set_data(np.arange(id[0], id[1]), scaled_arr[id[0]:id[1]])
  x = peak[0][(peak[0] > id[0]) & (peak[0] < id[1])]
  y = peak[1]['peak_heights'][(peak[0] > id[0]) & (peak[0] < id[1])]
  #scat.set_offsets(x, y)
  ax.scatter(x, y, s=20, c='red')
  ax.set_xlim(id[0], id[1])
  ax.set_ylim(ymin, ymax)
  return line,scat

anim = FuncAnimation(fig, animate, init_func=init, frames=50, interval=50, blit=True) 

plt.show()

Answer 2

可能不是您想要的，希望对您有所帮助，

import neurokit2 as nk
import matplotlib.pyplot as plt
import matplotlib.animation as animation
from sklearn.preprocessing import MinMaxScaler
import numpy as np
from matplotlib.animation import FuncAnimation


fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)

# This function is called periodically from FuncAnimation
def animate(i, xs, ys):

    xs = xs[i]
    ys = ys[i]

    # Draw x and y lists
    ax.clear()
    ax.plot(xs, ys)

if __name__=="__main__":
   
  data = nk.ecg_simulate(duration = 50, sampling_rate = 100, noise = 0.05, random_state = 1)
  scaler = MinMaxScaler()
  scaled_arr = scaler.fit_transform(data.reshape(-1,1))
  
  ys = scaled_arr.flatten()
  ys = [ys[0:50*i] for i in range(1, int(len(ys)/50)+1)]
  xs = [np.arange(0, len(ii)) for ii in ys ]
  
 
  ani = animation.FuncAnimation(fig, animate, fargs=(xs, ys), interval=500)
  ani.save('test.gif')

如何使用 matplotlib FuncAnimation 显示 numpy 数组的滑动 windows

How to show sliding windows of a numpy array with matplotlib FuncAnimation

python

visualization

numpy

matplotlib