Introdução
Este laboratório é um tutorial passo a passo sobre como criar uma simulação de chuva usando a biblioteca Matplotlib do Python. A simulação irá animar a escala e a opacidade de 50 pontos de dispersão para simular gotas de chuva caindo em uma superfície.
Dicas para a VM (Máquina Virtual)
Após a inicialização da VM, clique no canto superior esquerdo para mudar para a aba Notebook e acessar o Jupyter Notebook para praticar.
Às vezes, pode ser necessário aguardar alguns segundos para que o Jupyter Notebook termine de carregar. A validação das operações não pode ser automatizada devido a limitações no Jupyter Notebook.
Se você enfrentar problemas durante o aprendizado, sinta-se à vontade para perguntar ao Labby. Forneça feedback após a sessão, e resolveremos o problema prontamente para você.
Criar uma nova Figura e Eixos (Axes)
O primeiro passo é criar uma nova figura e eixos (axes) que a preencham. Esta será a tela na qual a simulação será desenhada.
fig = plt.figure(figsize=(7, 7))
ax = fig.add_axes([0, 0, 1, 1], frameon=False)
ax.set_xlim(0, 1), ax.set_xticks([])
ax.set_ylim(0, 1), ax.set_yticks([])
Criar Dados de Chuva
Em seguida, criaremos os dados da chuva. Criaremos 50 gotas de chuva em posições aleatórias, com taxas de crescimento aleatórias e cores aleatórias.
n_drops = 50
rain_drops = np.zeros(n_drops, dtype=[('position', float, (2,)),
('size', float),
('growth', float),
('color', float, (4,))])
rain_drops['position'] = np.random.uniform(0, 1, (n_drops, 2))
rain_drops['growth'] = np.random.uniform(50, 200, n_drops)
Construir o Gráfico de Dispersão (Scatter Plot)
Agora, construiremos o gráfico de dispersão (scatter plot), que atualizaremos durante a animação à medida que as gotas de chuva se desenvolvem.
scat = ax.scatter(rain_drops['position'][:, 0], rain_drops['position'][:, 1],
s=rain_drops['size'], lw=0.5, edgecolors=rain_drops['color'],
facecolors='none')
Criar a Função de Atualização
A função de atualização (update function) será chamada pelo objeto FuncAnimation para atualizar o gráfico de dispersão (scatter plot) durante a animação.
def update(frame_number):
## Get an index which we can use to re-spawn the oldest raindrop.
current_index = frame_number % n_drops
## Make all colors more transparent as time progresses.
rain_drops['color'][:, 3] -= 1.0/len(rain_drops)
rain_drops['color'][:, 3] = np.clip(rain_drops['color'][:, 3], 0, 1)
## Make all circles bigger.
rain_drops['size'] += rain_drops['growth']
## Pick a new position for oldest rain drop, resetting its size,
## color and growth factor.
rain_drops['position'][current_index] = np.random.uniform(0, 1, 2)
rain_drops['size'][current_index] = 5
rain_drops['color'][current_index] = (0, 0, 0, 1)
rain_drops['growth'][current_index] = np.random.uniform(50, 200)
## Update the scatter collection, with the new colors, sizes and positions.
scat.set_edgecolors(rain_drops['color'])
scat.set_sizes(rain_drops['size'])
scat.set_offsets(rain_drops['position'])
Criar a Animação
Finalmente, criaremos a animação usando o objeto FuncAnimation, passando a figura, a função de atualização (update function), o intervalo entre os frames em milissegundos e o número de frames a serem salvos.
animation = FuncAnimation(fig, update, interval=10, save_count=100)
plt.show()
Resumo
Neste laboratório (lab), aprendemos como criar uma simulação de chuva usando a biblioteca Matplotlib do Python. Criamos uma nova Figura (Figure) e Eixos (Axes), criamos os dados da chuva, construímos o gráfico de dispersão (scatter plot), criamos a função de atualização (update function) e criamos a animação usando o objeto FuncAnimation.