你的观察非常准确——matplotlib的ArtistAnimation在处理3D动画转HTML5视频时确实存在显著的效率问题，核心原因和3D渲染的特性、ArtistAnimation的设计局限直接相关：

为什么3D动画导出耗时远超预期？ #

• Blitting在3D场景中基本无效：你设置了blit=True，但matplotlib的blitting机制对3D坐标轴（Axes3D）的支持很差。2D场景中blit可以只更新变化的像素区域，但3D渲染涉及深度计算、视角变换、坐标轴元素重绘，几乎无法通过blit优化，每帧都要重新渲染整个3D场景。这就导致虽然单张3D图耗时是2D的3倍，但动画中每帧都是全量渲染，加上3D渲染本身的高开销，累积起来耗时就会呈指数级增长。
• ArtistAnimation的3D对象复用差：你的代码中每次循环都创建新的plot_surface对象，而不是更新已有surface的数据。频繁创建/销毁3D Artist会带来额外的内存开销和渲染准备时间，进一步拖慢整体速度。
• to_html5_video的底层额外开销：这个方法内部会把每帧的canvas内容转换成RGB数据，再传给ffmpeg编码。3D帧的像素数据处理和编码本身就比2D更耗时，加上matplotlib内部的中间步骤没有针对3D做优化，最终放大了耗时差距。

为什么循环保存PNG再外部生成更快？ #

手动保存PNG序列再用ffmpeg合成视频避开了matplotlib动画模块的两个低效点：

1. 你可以复用同一个3D坐标轴和surface对象，只更新数据，避免重复创建Artist的开销；
2. 直接导出PNG文件后，ffmpeg处理图像序列的效率远高于matplotlib内部的帧数据传递和编码流程，尤其是针对批量图像的优化更成熟。

优化后的代码示例 #

方案1：用FuncAnimation替代ArtistAnimation（优化3D动画生成） #

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as animation
from mpl_toolkits.mplot3d import Axes3D
import time

# 准备数据（和你的代码一致）
a = 20
d = 20
tm0 = 10
t_m = tm0 * np.pi/180

def phi(t):
    return np.pi/4 + (6 + 0.1*t) * t

def r(t):
    return d/2 * (1 - phi(t)/phi(t_m))

def Fp(x,y,t):
    return -1/np.sqrt((x + r(t)*np.cos(phi(t)))**2 + \
            (y + r(t) * np.sin(phi(t)))**2) \
            -1/np.sqrt((x - r(t)*np.cos(phi(t)))**2 + \
            (y - r(t)*np.sin(phi(t)))**2)

X = np.arange(-1*a, a)
Y = np.arange(-1*a, a)
x,y=np.meshgrid(X,Y)

imageList = []
for t in range(tm0):
    imageList.append(Fp(x,y,t*np.pi/180))

# 2D动画（原代码保留）
fig = plt.figure(figsize=(10,10))
ims = []
for i in range(len(imageList)):
    im = plt.pcolormesh(imageList[i], animated = True)
    ims.append([im])
ani1 = animation.ArtistAnimation(fig, ims, blit=True, repeat_delay=2000)
plt.colorbar()
t1=time.time()
ani1.to_html5_video()
t2=time.time()
print("2D image to video took: ", t2 - t1)

# 优化后的3D动画：用FuncAnimation复用surface
t1 = time.time()
fig = plt.figure()
ax = Axes3D(fig)
# 先创建初始surface
surf = ax.plot_surface(x, y, imageList[0], antialiased=False)

def update(frame):
    # 更新surface的数据，而不是创建新对象
    surf.set_array(imageList[frame].ravel())
    return [surf]

ani = animation.FuncAnimation(fig, update, frames=len(imageList), blit=True, repeat_delay=2000)
t2 = time.time()
print("3D animation creation took: ", t2 - t1)

t1_export = time.time()
ani.to_html5_video()
t2_export = time.time()
print("3D animation to video took:", t2_export - t1_export)

方案2：手动保存PNG序列再用ffmpeg合成（最快方式） #

# 接上面的数据准备部分
fig = plt.figure()
ax = Axes3D(fig)
surf = ax.plot_surface(x, y, imageList[0], antialiased=False)
plt.colorbar(surf)

# 保存每帧为PNG
t1 = time.time()
for i, frame_data in enumerate(imageList):
    surf.set_array(frame_data.ravel())
    plt.savefig(f"frame_{i:03d}.png", dpi=100)
t2 = time.time()
print("保存PNG序列耗时:", t2 - t1)

# 用ffmpeg合成视频（命令行执行）
# ffmpeg -r 10 -i frame_%03d.png -c:v libx264 -r 10 -pix_fmt yuv420p output.mp4

执行ffmpeg命令时，-r 10表示帧率，你可以根据需求调整。这种方式的耗时通常只有to_html5_video的1/10甚至更低。

内容的提问来源于stack exchange，提问作者kakk11