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。

©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页