Matplotlibアニメーションの使い方完全ガイド！基本から応用まで丁寧に解説

（最終更新月: 2024年11月）

✔こんな方におすすめの記事です

「Matplotlibでアニメーションを作りたい」
「アニメーションの基本的な使い方がわからない」
「もっと本格的なアニメーションを作成したい」

✔当記事を通じて得られること

Matplotlibアニメーションの基本的な作成方法
アニメーションの種類と適切な使い分け
実践的なアニメーション作成テクニック

当記事では、Matplotlibアニメーションの基礎から高度な使い方まで、実例を交えて幅広く解説していきます。

ぜひ最後までご覧ください。

筆者プロフィール

【現職】プロダクトマネージャー

【副業】ブログ（月間20万PV）/YouTube/Web・アプリ制作

「プログラミング × ライティング × 営業」の経験を活かし、30後半からのIT系職へシフト。現在はプロダクトマネージャーとして、さまざまな関係者の間に入り奮闘してます。当サイトでは、実際に手を動かせるWebアプリの開発を通じて、プログラミングはもちろん、IT職に必要な情報を提供していきます。

【当ブログで紹介しているサイト】

当サイトチュートリアルで作成したデモ版日報アプリ

Django × Reactで開発したツール系Webアプリ

✔人に見せても恥ずかしくないコードを書こう

「リーダブルコード」は、わかりやすく良いコードの定義を教えてくれる本です。

見るからにきれいなコードの書き方
コードの分割方法
変数や関数の命名規則

エンジニアのスタンダートとすべき基準を一から解説しています。

何回も読むのに値する本なので、ぜひ手にとって読んでみてください。

リーダブルコード ―より良いコードを書くためのシンプルで実践的なテクニック

created by Rinker

Matplotlibアニメーションとは

Matplotlibアニメーションは、Pythonで動きのあるグラフや図を作成するための機能です。

データの変化や動きを視覚的に表現できるため、プレゼンテーションや教育用途で重宝されています。

アニメーションの基本概念
アニメーションの種類
アニメーションの特徴と利点

アニメーションの基本概念

Matplotlibアニメーションは、連続した画像を表示することで動きを表現します。

静止画像を次々と切り替えることで、滑らかな動きを実現するのです。

基本的な構造は以下のようになります。

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

fig, ax = plt.subplots()
x = np.linspace(0, 2*np.pi, 100)
line, = ax.plot(x, np.sin(x))

def animate(frame):
    line.set_ydata(np.sin(x + frame/10))
    return line,

ani = animation.FuncAnimation(fig, animate, frames=100, interval=50)
plt.show()

アニメーションの種類

Matplotlibには主に2種類のアニメーションクラスが用意されています。

FuncAnimationとArtistAnimationという2つの選択肢があるのです。

それぞれの特徴は以下のとおりです。

FuncAnimation
フレームごとに関数を呼び出して更新
メモリ効率が良い
リアルタイムデータの表示に適している
ArtistAnimation
あらかじめ用意した画像を順番に表示
細かい制御が可能
固定のアニメーションに適している

アニメーションの特徴と利点

Matplotlibアニメーションには、多くの優れた特徴があります。

動的なデータ可視化が可能になるため、データの変化を直感的に理解できるようになるのです。

以下のような場面で特に威力を発揮します。

時系列データの変化の表示
シミュレーション結果の可視化
教育用の説明資料作成
プレゼンテーション資料の作成

FuncAnimationの基本的な使い方

FuncAnimationは、Matplotlibアニメーションの中で最も一般的に使用される方法です。

関数を使って各フレームを生成するため、柔軟な表現が可能になります。

FuncAnimationの基本構造
アニメーション関数の作成方法
パラメータの設定と調整

FuncAnimationの基本構造

FuncAnimationは、特定の関数を繰り返し呼び出してアニメーションを作成します。

基本的な構造は非常にシンプルで理解しやすいものとなっています。

以下が基本的な例です。

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

# グラフの初期設定
fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
line, = ax.plot(x, np.sin(x))

# アニメーション用の関数
def update(frame):
    line.set_ydata(np.sin(x + frame/5))
    return line,

# アニメーションの作成
ani = animation.FuncAnimation(
    fig,
    update,
    frames=200,
    interval=20,
    blit=True
)

plt.show()

アニメーション関数の作成方法

アニメーション関数は、各フレームで何を表示するかを定義します。

この関数の作り方によって、アニメーションの質が大きく変わってきます。

効果的なアニメーション関数を作成するためのポイントは以下のとおりです。

引数としてフレーム番号を受け取る
更新したいグラフ要素を変更する
更新したオブジェクトをタプルとして返す
パフォーマンスを考慮した実装を心がける

パラメータの設定と調整

FuncAnimationには、動作をカスタマイズするための様々なパラメータが用意されています。

これらを適切に設定することで、望みのアニメーションを作成できます。

主要なパラメータは以下のとおりです。

ani = animation.FuncAnimation(
    fig,           # 図形オブジェクト
    update,        # 更新関数
    frames=200,    # フレーム数
    interval=20,   # フレーム間隔（ミリ秒）
    blit=True,     # 描画の最適化
    repeat=True    # 繰り返し再生
)

ArtistAnimationの活用法

ArtistAnimationは、あらかじめ用意した画像を順番に表示する方式です。

細かい制御が必要な場合や、固定のアニメーションを作成する際に適しています。

ArtistAnimationの基本構造
フレームの準備方法
効果的な使用シーン

ArtistAnimationの基本構造

ArtistAnimationは、事前に用意したアーティストのリストを使用します。

各フレームごとに表示する内容をリストとして保持するのが特徴です。

基本的な実装例は以下のとおりです。

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

fig, ax = plt.subplots()
frames = []

for i in range(50):
    x = np.linspace(0, 10, 100)
    y = np.sin(x + i/5)
    line = ax.plot(x, y)
    frames.append(line)

ani = animation.ArtistAnimation(fig, frames, interval=50, blit=True)
plt.show()

フレームの準備方法

ArtistAnimationでは、フレームをあらかじめ準備する必要があります。

効率的なフレーム準備が、スムーズなアニメーション作成の鍵となります。

以下のような方法でフレームを準備できます。

frames = []
fig, ax = plt.subplots()

for i in range(100):
    # 前のフレームをクリア
    ax.clear()

    # 新しいデータの作成
    x = np.linspace(0, 10, 100)
    y = np.sin(x + i/10)

    # プロットの作成
    line = ax.plot(x, y)
    ax.set_xlim(0, 10)
    ax.set_ylim(-1.5, 1.5)

    # フレームの保存
    frames.append(line)

効果的な使用シーン

ArtistAnimationは、特定の場面で特に効果を発揮します。

使用シーンを適切に選択することで、その機能を最大限に活用できます。

おすすめの使用シーンは以下のとおりです。

複雑な図形の変化を表現する場合
フレームごとに異なる種類のグラフを表示する場合
高品質なアニメーションが必要な場合
データの前処理が可能な場合

アニメーションの保存と共有

作成したアニメーションを保存して共有することは、重要な機能です。

様々な形式で保存することで、異なる環境でも再生できるようになります。

アニメーションの保存方法
対応フォーマットと特徴
保存時の注意点

アニメーションの保存方法

アニメーションを保存するには、専用のライブラリやメソッドを使用します。

形式に応じて適切な設定を行うことで、高品質な保存が可能です。

以下が基本的な保存方法です。

# GIF形式での保存
ani.save('animation.gif', writer='pillow')

# MP4形式での保存
ani.save('animation.mp4', writer='ffmpeg', fps=30)

# HTML形式での保存
from IPython.display import HTML
HTML(ani.to_jshtml())

対応フォーマットと特徴

Matplotlibは、様々な形式でアニメーションを保存できます。

それぞれの形式には、独自の特徴と用途があります。

主な保存形式は以下のとおりです。

GIF形式
最も一般的な形式
ウェブでの表示に適している
ファイルサイズが比較的大きい
MP4形式
高品質な動画形式
ファイルサイズを抑えられる
再生環境の制限がある
HTML形式
ウェブブラウザで直接表示可能
インタラクティブな機能を追加できる
ファイルサイズが大きくなりやすい

保存時の注意点

アニメーションを保存する際には、いくつかの注意点があります。

適切な設定と環境を整えることで、問題なく保存できます。

主な注意点は以下のとおりです。

必要なライブラリのインストール確認
十分なディスク容量の確保
適切な解像度とフレームレートの設定
保存形式に応じた最適なパラメータの選択

アニメーションの応用例

Matplotlibアニメーションは、様々な場面で活用できます。

実践的な例を見ることで、より理解が深まるでしょう。

データ可視化の例
シミュレーションの例
インタラクティブな表現例

データ可視化の例

時系列データの変化を動的に表現できます。

データの推移を視覚的に理解しやすくなるのが特徴です。

以下は株価データのアニメーション例です。

import pandas as pd
import numpy as np

# サンプルデータの作成
dates = pd.date_range('2023-01-01', '2023-12-31')
prices = np.random.normal(100, 10, len(dates)).cumsum() + 1000

fig, ax = plt.subplots(figsize=(10, 6))
line, = ax.plot([], [])

def init():
    ax.set_xlim(dates.min(), dates.max())
    ax.set_ylim(prices.min()-100, prices.max()+100)
    return line,

def animate(frame):
    line.set_data(dates[:frame], prices[:frame])
    return line,

ani = animation.FuncAnimation(
    fig, animate, init_func=init,
    frames=len(dates), interval=50, blit=True
)

シミュレーションの例

物理シミュレーションなど、動的な現象を表現できます。

理解が難しい概念を視覚的に説明することができます。

以下は単振動のシミュレーション例です。

import numpy as np

# シミュレーションのパラメータ
omega = 2*np.pi  # 角振動数
t = np.linspace(0, 10, 1000)

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(8, 8))
point, = ax1.plot([], [], 'ro')
line, = ax2.plot([], [])

def init():
    ax1.set_xlim(-2, 2)
    ax1.set_ylim(-2, 2)
    ax2.set_xlim(0, 10)
    ax2.set_ylim(-2, 2)
    return point, line

def animate(frame):
    x = np.cos(omega * t[frame])
    y = np.sin(omega * t[frame])
    point.set_data([x], [y])
    line.set_data(t[:frame], np.cos(omega * t[:frame]))
    return point, line

ani = animation.FuncAnimation(
    fig, animate, init_func=init,
    frames=len(t), interval=20, blit=True
)

インタラクティブな表現例

ユーザーの入力に応じて変化するアニメーションも作成できます。

より魅力的なデータ表現が可能になります。

以下はスライダーを使用した例です。

from matplotlib.widgets import Slider

fig, ax = plt.subplots(figsize=(8, 6))
plt.subplots_adjust(bottom=0.25)

t = np.linspace(0, 10, 1000)
freq = 1.0
amp = 1.0
line, = ax.plot(t, amp*np.sin(2*np.pi*freq*t))

ax_freq = plt.axes([0.1, 0.1, 0.65, 0.03])
ax_amp = plt.axes([0.1, 0.15, 0.65, 0.03])
s_freq = Slider(ax_freq, '周波数', 0.1, 30.0, valinit=freq)
s_amp = Slider(ax_amp, '振幅', 0.1, 2.0, valinit=amp)

def update(val):
    freq = s_freq.val
    amp = s_amp.val
    line.set_ydata(amp*np.sin(2*np.pi*freq*t))
    fig.canvas.draw_idle()

s_freq.on_changed(update)
s_amp.on_changed(update)