「草稿」使用 mplot3d 绘制动态 3D 图

最近记性特别差，做的东西如果不记下来，过几天就忘光了。照这样发展下去马上就老年痴呆了，趁年轻还是多学点东西

最近正在学习一些大数据、机器学习的一些算法，脑子一热准备把遗传算法/模拟退火算法这些经典的算法用动图模拟出来。在《白话大数据与机器学习》中有实现遗传算法的代码，本文基于教程上的代码进行修改，实现模拟遗传算法求极值的过程。

题目是要通过遗传算法求解z=y sin(x) + x cos(y)在 [-10,10]内的极大值。想法是这样的，先绘制函数曲线，然后通过遗传算法进行计算，把每一步的计算结果依次显示在图像的坐标上，形成动画。（做了一半，感觉动图好像并不能形象的描绘出遗传算法）

Python

有了NumPy，基本可以放弃Matlab/Octave了。将Python相当于变成一种免费的更强大的MatLab系统。

“NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。”

《用Python做科学计算》是一本超级好的教材，包含了不仅仅以下内容：

• NumPy-快速处理数据
• SciPy-数值计算库
• SymPy-符号运算
• matplotlib-绘制图表
• Traits-为Python添加类型定义
• TraitsUI-制作用户界面
• Chaco-交互式图表
• TVTK-三维可视化数据
• Visual-制作3D演示动画
• Mayavi-更方便的可视化

matplotlib

刚开始用了mayavi库，画出来的图像很漂亮，不过apt源下载的是4.4.3版本（pip是4.4.4），总提示版本不对要我重新编译，最后折腾折腾就崩溃了。不用mayavi的另一个原因是，我不会把画的图统一到一个参考系里面，画的图忽大忽小的。最后选择了用matplotlib来重写。（改写的时候碰到一个坑：mayavi 用 np.ogrid 生成的X,Y向量；而matplotlib需要用 np.mgrid 生成X,Y矩阵。没有深究）

使用matplotlib绘制3D图很简单，按照 [ 教程1，教程2，教程3，文档1 ] 很快就可以画出像样的图(如下图)，并且可以修改颜色和样式。（感觉比mayavi丑一点，并且移动视角的时候比mayavi卡）

给matplotlib制作动画

对于我这种小白，matplotlib 也是个大坑。用plt.show()画完图以后，程序就卡那不动了，并不能通过计算一步步的显示动画。然后发现了pyplot.ion()这个方法，可以在类似ipython的交互式shell中显示图表 [ 教程1 ] ，并且不会发生阻塞；可是采用非shell的方式并不能够显示图表>_<

这个问题纠结了好久，直到遇见这篇讲解matplotlib画动态多图的教程，然后找到了官方的3D 动态图 example 和这个看起来很牛逼的 example ，还有这个《MATPLOTLIB动画指南》得知，我们需要调用animation API：

class matplotlib.animation.FuncAnimation(fig, func, frames=None, init_func=None, fargs=None, save_count=None, **kwargs)

* func: 绘图函数。动画开始以后，会不断的重复调用这个函数来进行绘制。
* frames: 一共有多少帧。
* frags: 传递给func的参数
* blit: 什么鬼？
* interval: 绘制每一帧的时间(ms)
* repeat: 绘制完所有的frames后是否重绘，如果frames=None，那么即使repeat=True，也不会重绘。
* repeat_delay: 重绘之前延时多少ms

–未完待续–