# Plots, Datenvisualisierung und Grafik in Julia


- es gibt zahlreiche Pakete, die unterschiedlich geeignet sind je nach

  - Ausgabemedium: Grafikkarte, PDF, SVG, PNG, WebApp,....
  - Interaktivität
  - 2D- und 3D-Fähigkeiten
  - Plottypen
  - Umgang mit großen Datenmengen
 ...
 
  
Tidier....
 
## Einbindung anderer Grafikbibliotheken

### JavaScript: Interaktivität im Browser

- [PlotlyJS.jl](http://juliaplots.org/PlotlyJS.jl/stable/examples/3d/) Interface zur PlotlyJS-Grafikbibliothek
- [Bokeh.jl](https://cjdoris.github.io/Bokeh.jl/stable/gallery/) Interface zur Bokeh-Grafikbibliothek
- [VegaLite.jl](https://www.queryverse.org/VegaLite.jl/stable/)  Interface zu VegaLite, vor allem statistische Plots

### Cairo: 2D Vektorgrafik, für Grafikkarte (screen), PDF, PNG, SVG,...

- [Luxor.jl](http://juliagraphics.github.io/Luxor.jl/stable/) für Vektorgrafik
- [Javis.jl](https://juliaanimators.github.io/Javis.jl/stable/) für animierte Vektorgrafik

### Matplotlib (Python)

- [PyPlot.jl](https://github.com/JuliaPy/PyPlot.jl) 
   
   - weitgehende 1:1-Übertragung der Python-API, deswegen wird auch auf die Matplotlib-Dokumentation verwiesen
   - Beispiele mit Gegenüberstellung Python/Julia: [https://gist.github.com/gizmaa/7214002](https://gist.github.com/gizmaa/7214002)

## Pure Julia: Makie.jl

`Makie` bezeichnet sich selbst als _"data visualization ecosystem for Julia"_

Es ist vollständig in Julia geschrieben und bietet als _backends_ `Cairo` (Vektorgrafik), `OpenGL` und `WebGL` an.


- [Makie.jl](https://makie.juliaplots.org/stable/)
- [Beautiful Makie](https://lazarusa.github.io/BeautifulMakie/) eine Seite mit vielen Beispielen


# Plots.jl

```{julia}
using Plots
plotly()

x = 1:33
y = rand(33)
 
plot(x, y, linecolor =:green, bg_inside =:pink, line =:solid, label = "Wasserstand")
```

- [Plots.jl](https://docs.juliaplots.org/latest/) ist konzipiert als ein einheitliches Interface zu verschiedenen _backends_ (Grafikbibliotheken).
   > Man kann zu einem anderen _backend_ wechseln und dieselben Plot-Kommandos und -Attribute verwenden.
   
- Einige _backends_:
  
   - [GR](https://gr-framework.org/)
   - PyPlot (d.h., Matplotlib)
   - Plotly(JS)
   


__Im Rest dieses Notebooks wird Plots.jl vorgestellt.__


## einige _backends_


```julia
using Plots
backend()      # Anzeige des gewählten backends, GR ist der default
```


```julia
x = 1:30
y = rand(30)
 
plot(x, y, linecolor =:green, bg_inside =:pink, line =:solid, label = "Wasserstand")
```


```julia
# wir wechseln das backend zu 
# plotly/js


plotly() 
```


```julia
# dasselbe Plot-Kommando

# das ist interaktiv (zoom in/out, pan), 
# 'überlebt' aber leider die PDF-Konvertierung des notebooks nicht

plot(x, y, linecolor =:green, bg_inside =:pink, line =:solid, label = "Wasserstand")
```


```julia
# und noch ein backend

pyplot()
```


```julia
plot(x, y, linecolor =:green, bg_inside =:pink, line =:solid, label = "Wasserstand")
```


```julia
# zurück zu GR als backend

gr()
```

## Plots.jl und recipes

Andere Pakete können die Möglichkeiten von `Plots.jl` erweitern, indem sie  _recipes_ für spezielle Plots und Datenstrukturen definieren, siehe [https://docs.juliaplots.org/latest/ecosystem/](https://docs.juliaplots.org/latest/ecosystem/), z.B.:

- `StatsPlots.jl` direktes Plotten von Dataframes, spezielle statistische Plots,...
- `GraphRecipes.jl`  [Plotten von Graphstrukturen](https://docs.juliaplots.org/stable/graphrecipes/examples/)
- ...




## Einige Verschönerungen


```julia
using Plots.PlotMeasures   # für Angaben in mm, cm,...
using LaTeXStrings         # für LaTeX-Konstrukte in Plot-Beschriftungen
using PlotThemes           # vorgefertigte Themen
```


```julia
# Liste der Themen
keys(PlotThemes._themes)
```


```julia
Plots.showtheme(:juno)
```


```julia
Plots.showtheme(:dao)
```


```julia
# so legt man ein Thema für die folgenden Plots fest:

theme(:dao)

# Wir wollen es wieder langweilig haben...

theme(:default) 
```

## Funktionen in Plots.jl

```
plot()
scatter()
contour()
heatmap()
histogram()
bar()
plot3d()
... und weitere
```
Diese Funktionen erzeugen ein neues `Plot`-Objekt. 

Die Varianten mit Ausrufezeichen `plot!(), scatter!(),...` modifizieren das letzte `Plot`-Objekt oder das `Plot`-Objekt, das ihnen als 1. Argument übergeben wird:   


```julia
x = range(0,10, length=40)   # 40 x-Werte von 0 bis 10

pl1 = plot(x, sin.(x))
```


```julia
pl1a = deepcopy(pl1)  # unmodifizierte copy aufheben

pl2 = plot!(x, cos.(x))    # modifiziert pl1
```


```julia
pl3 = scatter!(pl1a, x, cos.(x))   # add to (copy of) original Plot 
```

Plot-Objekte kann man als Grafikdateien (PDF, SVG, PNG,...) abspeichern:


```julia
savefig(pl2, "pl2.png")
```


```julia
;ls -l pl2.png
```

... oder zB als Sub-Plots mit einem layout-Parameter zusammenfügen:


```julia
plot(pl1, pl2, pl3, layout = (1,3))
```


```julia
plot(pl1, pl2, pl3, layout = (3,1))
```

## Input-Daten 

- im einfachsten Fall ein Vektor von $m$ `x`-Werten und ein gleichlanger Vektor von $m$ `y`-Werten
- falls $y$ eine $m\times n$-Matrix ist, wird jeder Spaltenvektor als eine `Series` angesehen und es werden $n$ Kurven geplottet: 


```julia

plot(x, [sin.(x) cos.(x) sqrt.(x)])
```


- Durch eine `layout`-Angabe kann man die einzelnen `series` auch in einzelnen Subplots 
unterbringen.
- Man kann `layouts` auch schachteln und explizite Breiten/Höhenangaben verwenden.


```julia
theme(:dark)

la1 = @layout [
        a{0.3w} [ b
                  c{0.2h}  ]
    ]

plot(x, [sin.(x) cos.(x) sqrt.(x)] , layout = la1)
```

## Plot-Attribute

`Plots.jl` teilt die Attribute in 4 Gruppen ein:


```julia
plotattr(:Plot)  # Attribute für den Gesamtplot
```


```julia
plotattr(:Subplot) # Attribute für einen Teilplot
```


```julia
plotattr(:Axis)  # Attribute für eine Achse
```


```julia
plotattr(:Series) # Attribute für eine Serie, also zB ein Linienzug im Plot
```


```julia
# Zur Erinnerung nochmal:

using Plots
using Plots.PlotMeasures   # für Angaben in mm, cm,...
using LaTeXStrings         # für LaTeX-Konstrukte in Plot-Beschriftungen
using PlotThemes           # vorgefertigte Themen
```


```julia
xs = range(0, 2π, length = 100)

data = [sin.(xs) cos.(xs) 2sin.(xs) (x->sin(x^2)).(xs)]

pl10 = plot(xs, data,
           fontfamily="Computer Modern",
    
           # LaTeX-String L""  ist im Math-mode  
           title = L"\textrm{Winkelfunktionen}\ \sin(\alpha), \cos(\alpha), 2\sin(\alpha), \sin(\alpha^2)",
           xlabel = L"\textrm{ Winkel\ } \alpha",
           ylabel = L"\textrm{Funktionswert}", 
    
           # 1x4-Matrizen mit Farben, Marker,...  für die 4 'Series' 
           color=[:black :green RGB(0.3, 0.8, 0.2) :blue ],
           markers = [:rect :circle :utriangle :diamond],
           markersize = [3 3 0 6],
           linewidth = [1 3 1 5],
           linestyle = [:solid :dash :dot :solid ],
           
           # Achsen
           xlim = (0, 6.6),
           ylim = (-2, 2.3),
           yticks = -2:.4:2.3,
           
           legend = :bottomleft,
           label = [ L"\sin(\alpha)" "cos" "2sin" L"\sin(\alpha^2)"],
    
           top_margin = 5mm,
)

# Zusatzelement

annotate!(pl10, 4.1, 1.8, text("nicht schön, aber viel",10))

```

### Säulendiagramm



```julia
using RDatasets
```

Inhalt:  über 700 freie (_"public domain"_) Datensätze, darunter z.B:

 - Passagierliste der _Titanic_ 
 - Verbrauchsdaten amerikanischer Autos aus den 70ern 
 - historische Währungskurse

 


```julia
RDatasets.datasets()
```


```julia
cars = dataset("datasets", "mtcars")
```


```julia
theme(:bright)

bar(cars.Model, cars.MPG,
           label = "Miles/Gallon",
           title = "Models and Miles/Gallon",
           xticks =:all,
           xrotation = 45,
           size = [600, 400],
           legend =:topleft,
           bottom_margin = 10mm
   )

```


```julia

```