Julia学习笔记：Plots + Plotly实现数据可视化

自从接触了Julia以来，就一下子喜欢上了这个编程语言。

的确如设计者和许多宣传文章所言，恐怕Julia是结合了众多语言优点的一种编程语言，可能会是未来主力编程语言之一。

为了更好地熟悉Julia，准备将原先许多用Python做的事情，转移使用Julia来处理。Julia对Jupyter的支持也不错，启动Jupyter Lab后，可以选择内核语言，这就意味着，在Jupyter Lab环境下，可以切换Python和Julia，带来了很大的便利。

从简单的事情做起，原先使用Python最多的地方就是数据可视化，现在准备用Julia来实现。

不过，如同许多朋友所言，Julia的文档实在写得不是很友好，它的许多支持包的文档，写得也不是很友好。结构、举例都不是很简洁、清晰，需要花费些时间才行。

首先是在Plots的主页（http://www.juliaplots.org）上面对Plots进行了大概的了解和学习，然后照葫芦画瓢，来对自己的数据进行可视化。说到文档，倒是觉得用Python的时候，百度的pyecharts说明文档不错，结构简洁，举例清晰。

当跌跌撞撞使用Plots实现了数据可视化后，发现生成的都是图片形式，不能交互。看到文档中提到Plots可将Echarts作为后端支持，于是就想尝试使用Echarts，毕竟pyecharts自己使用过，应该相对熟悉些。

谁知，调用Echarts却总是失败，错误提示“无法识别WebIO”，可实际上，WebIO包已经安装了。然后再查WebIO的一些文档说明及错误提示，发现可能是需要安装Node.JS。不巧的是，手头的电脑用户权限不够，不能安装Node.JS，只好再做其它选择。

在Plots主页中，对一些后端的特性进行了总结，提到了Plotly支持交互性。看到这里，自己就想试试Plotly。

调用Plotly（“using Plotly”），在生成图表前，使用"plotly()"语句，REPL中会提示当前已是Plotly作为后端支持。

而且，虽然是Plotly作为后端，但无需去考虑Plotly的用法。图表生成的语句与之前单纯使用Plots时完全一样，但此时的图表已经是具有互动性的漂亮图表了。Plots对不同后端特性的总结中，"beauty"也是Plotly的特性之一。

另外，不同后端，保存文件时支持的格式也各不相同，可以在Plots文档中查看。

将生成的图表使用Plots的savefig()函数保存为html格式，一份漂亮、可交互的图表就完成了。