19 Julia统计图形–Plots库

19.1 介绍

Julia语言没有内建作图能力， 作图需要通过扩展包提供， 因为Julia语言的历史还比较短， 现在有多种作图用的扩展包但是没有一个占绝对优势的包。 比较常用的有Plots, Makie, Gadfly, PyPlot包。 其中Makie出现较晚，功能比较强大，后端安装容易。

本文演示Plots包。参见：

• https://docs.juliaplots.org/latest/

Plots包可以调用多个不同的绘图软件包作为后端， 提供统一的调用界面。 因为Julia的软件环境还不够成熟， 经常会有某些软件包因为软件环境或者兼容性问题而不能运行， Plots包则可以不用修改程序地换用其它的绘图后端。 GR后端的兼容性较好， PyPlot包需要安装兼容的Python， 功能更强。

Plots使用GR后端测试：

using Plots
Plots.gr()
Plots.plot(Plots.fakedata(50, 5), w=3)

Plots包定义了plot()函数等多个绘图函数， 用统一的语法格式调用不同的绘图后端作图。 事实上， Julia的许多作图扩展包都使用plot()函数名， 所以很容易发生名字冲突。 可以用Plots.plot()避免冲突， 如果没有其它作图包， 可以直接使用plot()。

作图需要用一些例子数据。 如下的class.csv中包含了19个学生的姓名、性别、年龄、身高、体重信息：

name,sex,age,height,weight
Sandy,F,11,130,23
Karen,F,12,143,35
Kathy,F,12,152,38
Alice,F,13,144,38
Becka,F,13,166,44
Tammy,F,14,160,46
Gail,F,14,163,41
Sharon,F,15,159,51
Mary,F,15,169,51
Thomas,M,11,146,39
James,M,12,146,38
John,M,12,150,45
Robert,M,12,165,58
Jeffrey,M,13,159,38
Duke,M,14,161,46
Alfred,M,14,175,51
William,M,15,169,51
Guido,M,15,170,60
Philip,M,16,183,68

读入：

using CSV, DataFrames
d_class = CSV.read("class19.csv", DataFrame)

19 rows × 5 columns

	name	sex	age	height	weight
	String7	String1	Int64	Int64	Int64
1	Sandy	F	11	130	23
2	Karen	F	12	143	35
3	Kathy	F	12	152	38
4	Alice	F	13	144	38
5	Becka	F	13	166	44
6	Tammy	F	14	160	46
7	Gail	F	14	163	41
8	Sharon	F	15	159	51
9	Mary	F	15	169	51
10	Thomas	M	11	146	39
11	James	M	12	146	38
12	John	M	12	150	45
13	Robert	M	12	165	58
14	Jeffrey	M	13	159	38
15	Duke	M	14	161	46
16	Alfred	M	14	175	51
17	William	M	15	169	51
18	Guido	M	15	170	60
19	Philip	M	16	183	68

19.2 折线图

折线图的基本格式是plot(x, y)。 可以用linewidth=指定线粗细， color=指定颜色（符号、字符串等）， label=指定图的图例文字。如

dtmp = copy(d_class)
sort!(dtmp, :height)
plot(dtmp[:, :height], dtmp[:, :weight], 
  color=:blue, linewidth=2, label="Weight vs. Height")

对光滑曲线， 均匀布点作折线图就可以看作是曲线图，如

x = range(0; stop=10, length=200)
y = sin.(x)
plot(x, y, color=:blue, linewidth=2, label="sin(x)")

可以用xlabel指定x轴标题， 用ylabel指定y轴标题， xticks指定x轴刻度点， 用yticks指定y轴刻度点， 用title指定标题， 用alpha指定透明度。 如果调用LatexStrings包， 还可以在标题、图例说明中用LaTeX格式公式。 如果不需要图例，加legend=:none选项。 如

plot(x, y, color=:blue, linewidth=2, 
    xlabel="x", ylabel="y",
    label="sin(x)", title="Sine Function",
    yticks=[-1,0,1], alpha=0.5)

事实上，为了做函数曲线，不需要先计算坐标， 只要指定函数和x范围即可，如

plot(sin, 0, 10, title="Sine Function")

为了做多条折线图（曲线图）， 只要将y变量指定为一个多列的矩阵即可。 图例说明输入为字符串行向量（单行的矩阵）。 在对多个序列作图时为了对每个序列分别使用不同的颜色、线型、线宽、符号等， 需要输入一个行向量而不是向量。 如

x = range(0; stop=10, length=200)
y = [sin.(x) cos.(x)]
plot(x, y, label=["sin" "cos"])

还可以用plot!()函数修改最近一幅图。 如

x = range(0; stop=10, length=200)
y = [sin.(x) cos.(x)]
plot(x, y, label=["sin" "cos"])
plot!(x, sin.(x) .^2, label="sin^2")

绘制折线图时， 如果需要两个点之间不相连， 办法是在这两个点中间添加一个横纵坐标都为NaN的点。

19.3 数据框中数据绘图

在StatsPlots包的支持下， 可以用比较简单的格式对数据框中的变量作图。 StatsPlots包定义了@df宏， 指定一个来源数据集后， Plots.plot()函数中可以直接调用数据集中的变量名符号。如

using StatsPlots
dtmp = copy(d_class)
sort!(dtmp, :height)
@df dtmp plot(:height, :weight, 
    xlabel="height", ylabel="weight",
    color=:blue, linewidth=2, legend=:none)

19.4 图形输出

在Jupyter中， 如果绘图后端支持， 绘图结果可以直接显示到界面的输出单元中。 可以用绘图函数的fmt参数指定图形的文件格式，如 plot(x, y, fmt=:png)。

在Juno界面， 如果绘图后端支持， 绘图结果可以直接显示到编辑器的一个窗格中。

在命令行中， 如果绘图后端支持， 绘图结果可以显示到一个单独的绘图窗口或者系统默认的浏览器中。 图形需要是像表达式一样被返回到命令行环境的， 末尾加分号的作图命令不自动显示图形， 可以将图形函数结果保存到变量中， 用show()函数显示。 比如，p01 = plot(x, y);保存图形结果为变量p01， show(p01)则显示图形。

绘制的图形可以保存为图形文件， 不同的绘图后端支持不同的类型， 一般都支持PNG类型。

为了将最新的一幅图保存到myfig.png中， 命令如

Plots.savefig("myfig.png")

如果图形保存在变量p01中，可以用

Plots.savefig(p01, "myfig.png")

大多数后端还支持保存为SVG和PDF格式。

19.5 散点图

Plots.plot()函数中指定seriestype=:scatter可以做散点图。 比如，19个学生的体重对身高的散点图：

Plots.plot(d_class[!,:height], d_class[!,:weight], seriestype=:scatter)

散点图的程序也可以用Plots.scatter()函数，如

Plots.scatter(d_class[!,:height], d_class[!,:weight], 
    xlabel="height", ylabel="weight", 
    legend=:none)

19.6 子图

Plots包支持将整个绘图页面分为若干个子窗口， 在每个子窗口中分别绘制图形。

最简单的用法是在绘图函数中使用layout=整数值， 自动将多个序列分别绘制在不同的子窗口中。 如

x = range(0.0; stop = 2pi, length=101)
y = [sin.(x) cos.(x) tan.(x) sec.(x)]
plot(x, y, layout=4)

也可以给layout指定一个二元组表示子窗口的行数和列数，如

plot(x, y, layout=(4,1))

也可以将多个图形先存入变量中， 然后用plot()函数配合layout选项组合这些图形，如

p21 = @df d_class Plots.scatter(:height, :weight, label="w ~ h")
p22 = @df d_class Plots.scatter(:age, :weight, label="w ~ a")
p23 = @df d_class Plots.scatter(:height, :age, label="a ~ h")
p24 = @df d_class Plots.scatter(:weight, :age, label="w ~ a")
plot(p21,p22,p23,p24, layout=(2,2))

对于不等分的窗格， 可以用grid()函数给出窗格组成与长、宽信息，如

plot(rand(100,4), layout = grid(2, 2, heights=[0.3, 0.7], widths=[0.6, 0.4]))

可以用@layout()宏制作用a, b, c, d表示的子窗口， 格式是矩阵格式，每个矩阵元素又可以是子矩阵，如

lay2 = @layout([a{0.1h}; b [c; d e]])
plot(randn(100, 5), layout=lay2, legend=false,
    seriestype=[:line :histogram :scatter :steppre :bar], nbins=10)

其中seriestype表示每个子窗口图形的类型， 0.1h表示a子窗口占10%高度。 更多子窗口设置比如覆盖的子窗口详见Plots库手册。

19.7 属性

plot()函数中的x和y变量是输入数据， 而一些选项如颜色、符号、线宽、图例、标题、轴刻度等是“属性”， 属性用plot()的关键字参数指定，如color=:blue。

可以用shape指定散点符号， PlotlyJS后端支持的散点符号包括 :none, :auto, :circle, :rect, :diamond, :utriangle, :dtriangle, :cross, :xcross, :pentagon, :hexagon, :octagon, :vline, :hline。 其它后端需要试验或查看文档。

用markersize指定点的大小。

用color指定点和线的颜色。

用linetype指定线型（实线或者不同的虚线），如 :solid, :dash, :dot, :dashdot。

如果有多个序列， 每个序列作为输入数据矩阵的一列。 这时， 属性设置或者是统一的一个值， 或者也是多列的矩阵（行向量算作矩阵）， 属性设置矩阵的每列对应输入数据的一个序列。

例如， 下面生成4条曲线的数据：

xs = 0 : 2π/10 : 2π
data = [sin.(xs) cos.(xs) 2sin.(xs) 2cos.(xs)];

其中xs是一个向量， 作为统一的横坐标， data是一个4列矩阵， 矩阵的每一列是一个序列（一条曲线的纵坐标）。

如下程序为每条曲线指定了颜色、符号：

plot(xs, data, 
    label = ["sin" "cos" "2sin" "2cos"], 
    shape = [:circle :cross :diamond :utriangle], 
    color = [:green :orange :black :purple],
    markersize = 6)

在上面程序中有4个序列， label参数输入了一个\(1\times 4\)矩阵， 矩阵的每列对应一个序列的图例标签。 shape参数输入了一个向量， 不是多列矩阵， 所以是所有序列公用的设置， 每个序列的绘图符号都是交替使用圆点和十字。 color参数输入了一个\(2 \times 4\)矩阵， 4列的每一列对应一个数据序列， 每一列的两个颜色交替使用。 markersize输入了一个标量， 就作为4个数据序列公用。

可以区分连线颜色和散点颜色， markercolor指定散点颜色， linecolor指定连线颜色，如

plot(xs, data, 
    label = ["sin" "cos" "2sin" "2cos"], 
    shape = [:circle :diamond :diamond :utriangle], 
    markercolor = [:red :yellow :brown :cyan],
    linecolor=[:green :orange :black :purple],
    markersize = 6)

多个序列的颜色也可以不用分别指定， 而是用一个调色盘，用palette指定。 缺省值为:auto，这是根据背景色和当前的配色方案选择不同序列的颜色。 Plots包预定义的调色盘有 :blues, :viridis, :pu_or, :magma, :plasma, :inferno。 有的调色盘有可能会与背景色冲突。 详见Plots包手册的Colors章节。

如

plot(xs, data, 
    label = ["sin" "cos" "2sin" "2cos"], 
    palette=:blues)

可以用xlims指定x轴范围， xticks指定x轴刻度线位置， xscale=:log指定x轴对数刻度， xflip=true指定坐标轴反转方向。 用grid=false取消网格线。 如

plot(sin, 0, 2*pi, xlims=(0.0, 7.0), xticks=0:7, grid=false, legend=false)

plot(sin, 0, 2*pi, xticks=(0.5pi .* (0:4), ["0", "π/2", "π", "3π/2", "2π"]))

对于连线， 可以用seriestype指定不同连线方式， 如 seriestype = :steppre, 用linestyle指定线型，如:dot, 用arrow指定画箭头如:arrow, 用linealpha指定透明度如0.5, 用linewidth指定线宽（粗细）如4, 用linecolor指定线的颜色如:red。

对于散点， 可以用markershape=指定散点形状， 用markersize=整数值指定大小, 用markeralpha=小数值指定透明度， 用markercolor= 指定颜色， 用markerstrokewidth指定轮廓线粗细, 用markerstrokealpha指定轮廓线透明度, 用markerstrokecolor指定轮廓线颜色, 用markerstrokestyle指定轮廓线线型。

对于条形图之类的图形， 用fillrange指定填充范围, 如0， 用fillalpha指定填充色透明度, 用fillcolor指定填充色。

数据框变量作图示例：

@df d_class Plots.scatter(:age, [:height :weight], 
    label=["height" "weight"], xlabel="age",
    color=[:green :blue],
    shape=[:cross :circle])

可以用group选项指定一个分组变量，如

@df d_class Plots.scatter(:height, :weight,
    group=:sex,
    xlabel="height", ylabel="weight",
    color=[:red :blue])

上面程序中颜色指定了两种， 输入为行向量， 使得男女两组分别用不同颜色。

可以用符号大小markersize代表数据框中第三个变量的值，如

Plots.scatter(d_class[:,:height], d_class[:,:weight],
    markersize = 2 .* (d_class[:,:age] .- 10),
    xlabel="height", ylabel="weight")

19.8 修改图形

Plots包提供了一系列函数可以在现有图形上面添加内容， 包括新的线、点、标题、注释等。 修改已有图形的函数名以叹号结尾。

如：

xs = 0 : 2π/10 : 2π
data = [sin.(xs) cos.(xs) 2sin.(xs) 2cos.(xs)];
plot(xs, data[:,1], label="sin", grid=false)
plot!(xs, data[:, 2], shape=:circle, label="cos")
scatter!(xs, data[:, 3], shape=:cross, label="2sin")
hline!([-2, -1, 0, 1, 2], label="", color=:gray90)
title!("Sine Functions")

19.9 绘图类型

Plots包提供了许多绘图类型， 但是不是所有的后端绘图包都支持所有类型。 在Plots.plot()函数中可以用seriestype数据的绘图类型， 这些类型中许多还可以直接作为绘图函数， 或者函数名加叹号作为绘图修改函数。 seriestype可取值为 :none, :line, :path, :steppre, :steppost, :sticks, :scatter, :heatmap, :hexbin, :histogram, :histogram2d, :histogram3d, :density, :bar, :hline, :vline, :contour, :pie, :shape, :image, :path3d, :scatter3d, :surface, :wireframe, :contour3d, :volume。 其中:line，:path, :steppre，steppost，sticks，:scatter是折线图、散点图类型。

例如，定义如下的分段函数： \[ F(x) = \begin{cases} 0 & x < 0 \\ 0.7 & x \in [0, 1) \\ 1 & x \geq 1 \end{cases} \] 这是一个右连续的阶梯函数，作图如下：

plot([-0.5, 0, 1, 1.5], [0, 0.7, 1, 1], seriestype=:steppost, 
    linewidth=4, color=:orange, legend=false,
    xticks=[0, 1], yticks=[0, 0.7, 1])
scatter!([0, 1], [0, 0.7], shape=:circle, markercolor=:white, markerstrokecolor=:black)
scatter!([0, 1], [0.7, 1], shape=:circle, markercolor=:black, markerstrokecolor=:black)

考虑离散分布的概率质量函数图形。 比如，B(20, 0.7)分布的概率质量图可以用seriestype=:sticks作图如下：

using Distributions
x = 0:20
Plots.plot(x, pdf.(Binomial(20, 0.7), x), seriestype=:sticks, 
    linewidth=4, color=:blue, legend=false)

19.10 条形图

条形图是类似于seriestype=sticks的图形， 输入x坐标和y坐标对， 也可以仅输入y坐标对，横坐标为序号。 如：

Plots.bar((1:10) .^ 2, legend=false)

又如：

Plots.bar(1:10, (1:10) .^2, xticks=0:10, legend=false)

作条形图时如果x变量的值是字符串， 有时比较长的字符串宽度过大无法摆放， 可以加选项xrotation=60使文字倾斜摆放，如：

Plots.bar(1:10, (1:10) .^2, xticks=(0:10, string.(1000:1010)), legend=false, xrotation=60)

可以用fillcolor指定单个颜色，用fillalpha指定透明度，如：

Plots.bar(1:10, (1:10) .^2, fillcolor=:red, fillalpha=0.5, legend=false)

数据框中的离散变量的频数统计可以用条形图表示。 比如，19个学生的性别分布的频数条形图：

using DataFrames
dc_freq1 = combine(groupby(d_class, :sex), df -> DataFrame(Freq = size(df, 1)))

2 rows × 2 columns

	sex	Freq
	String1	Int64
1	F	9
2	M	10

using StatsPlots
@df dc_freq1 Plots.bar(:sex, :Freq, legend=false, bar_width=0.2)

与条形图类似作用的图形是饼图， Plots.pie()可以做饼图，如

using StatsPlots
@df dc_freq1 Plots.pie(:sex, :Freq)

19.11 直方图

Plots.histogram(x, bins=)作直方图， 用bins=指定分组数。 如身高的直方图：

Plots.histogram(d_class[!,:height], bins=6, title="Height", legend=:none)

其中title=指定标题， legend=:none取消图例。

下面是模拟的1000个正态随机数的直方图：

Plots.histogram(randn(1000), bins=50, title="Standard Normal Random Numbers", legend=:none)

19.12 盒形图

在StatsPlots包支持下可以做盒形图和小提琴图。 比如， 身高的盒形图：

using StatsPlots
StatsPlots.boxplot(["Height"], d_class[!,:height], legend=:none)

身高和体重的并排盒形图：

StatsPlots.boxplot(repeat(["Height", "Weight"], inner=size(d_class, 1)), 
    [d_class[!,:height]; d_class[!,:weight]], legend=:none)

下面是身高的小提琴图。 小提琴图与盒形图类似， 但是盒子的两边是核密度估计曲线。

StatsPlots.violin(["Height"], d_class[!,:height], legend=:none)

StatsPlots.violin(repeat(["Height", "Weight"], inner=size(d_class, 1)), 
    [d_class[!,:height]; d_class[!,:weight]], legend=:none)

19.13 三维曲面图

surface()函数作三维曲面图。 PlotlyJS后端和GR后端支持这种图。 surface(x, y, z)输入向量x, 向量y， 和矩阵z， z的每一行对应一个x坐标， 每一列对应一个y坐标。如

n = 50
x = range(-3; stop=3, length=n)
y = x

z = Array{Float64}(undef, n, n)
f_surf01(x, y) = cos(x^2 + y^2) / (1 + x^2 + y^2)
for j in 1:n, i in 1:n
    z[i, j] = f_surf01(x[i], y[j])
end

Plots.surface(x, y, z)

这样的曲面也可以用马赛克形式的“热度图”表现， 用不同的颜色代表z坐标大小，如

Plots.heatmap(x, y, z, aspect_ratio=1)

用等高线图表现上面的曲面：

contour(x, y, z, aspect_ratio=1)

另一个多峰的曲面的填充颜色的等高线图：

x = 1:0.5:20
y = 1:0.5:10
f_surf02(x,y) = (3x + y ^ 2) * abs(sin(x) + cos(y))
contour(x, y, f_surf02, fill=true)

19.14 二维直方图

对于二元随机向量的数据， 作为一元随机变量样本直方图的推广有多种图形。

Plots.histogram2d(x, y, nbins)作矩形马赛克形式的二维直方图， 用每个色块的颜色代表该区域的取值密度大小。 nbins是x轴和y轴分别的格子数。 如

Plots.histogram2d(d_class[!,:height], d_class[!,:weight], nbins=5)

再比如，二元标准正态分布1000个样本点的二维直方图：

Plots.histogram2d(randn(1000), randn(1000), nbins=20)

19.15 参数函数曲线

平面上的曲线有些用参数形式表示更方便，如 \[\begin{cases} x = \sin t \\ y = \sin 2t \end{cases} \quad t \in [0, 2\pi] \] 可以在Plots和PlotlyJS(或GR)支持下如下作图：

Plots.plot(sin,x -> sin(2x), 0, 2pi,
    linewidth=4, legend=false,
    fillrange=0, fillcolor=:orange)

19.16 K线图

Plots包用OHLC()函数作证券价格K线图。 比如， 标准普尔500指数1980年1月份的数据如下：

Mon Day Year Open High Low Close Volume Adjclose
1 3 1980 105.76 106.08 103.26 105.22 50480000 105.22
1 4 1980 105.22 107.08 105.09 106.52 39130000 106.52
1 7 1980 106.52 107.8 105.8 106.81 44500000 106.81
1 8 1980 106.81 109.29 106.29 108.95 53390000 108.95
1 9 1980 108.95 111.09 108.41 109.05 65260000 109.05
1 10 1980 109.05 110.86 108.47 109.89 55980000 109.89
1 11 1980 109.89 111.16 108.89 109.92 52890000 109.92
1 14 1980 109.92 111.44 109.34 110.38 52930000 110.38
1 15 1980 110.38 111.93 109.45 111.14 52320000 111.14
1 16 1980 111.14 112.9 110.38 111.05 67700000 111.05
1 17 1980 111.05 112.01 109.81 110.7 54170000 110.7
1 18 1980 110.7 111.74 109.88 111.07 47150000 111.07
1 21 1980 111.07 112.9 110.66 112.1 48040000 112.1
1 22 1980 112.1 113.1 110.92 111.51 50620000 111.51
1 23 1980 111.51 113.93 110.93 113.44 50730000 113.44
1 24 1980 113.44 115.27 112.95 113.7 59070000 113.7
1 25 1980 113.7 114.45 112.36 113.61 47100000 113.61
1 28 1980 113.61 115.65 112.93 114.85 53620000 114.85
1 29 1980 114.85 115.77 113.03 114.07 55480000 114.07
1 30 1980 114.07 115.85 113.37 115.2 51170000 115.2
1 31 1980 115.2 117.17 113.78 114.16 65900000 114.16

读入数据：

using CSV, DataFrames
d_spd = CSV.read("sp5-198001d.txt", DataFrame, delim=" ")

21 rows × 9 columns

	Mon	Day	Year	Open	High	Low	Close	Volume	Adjclose
	Int64	Int64	Int64	Float64	Float64	Float64	Float64	Int64	Float64
1	1	3	1980	105.76	106.08	103.26	105.22	50480000	105.22
2	1	4	1980	105.22	107.08	105.09	106.52	39130000	106.52
3	1	7	1980	106.52	107.8	105.8	106.81	44500000	106.81
4	1	8	1980	106.81	109.29	106.29	108.95	53390000	108.95
5	1	9	1980	108.95	111.09	108.41	109.05	65260000	109.05
6	1	10	1980	109.05	110.86	108.47	109.89	55980000	109.89
7	1	11	1980	109.89	111.16	108.89	109.92	52890000	109.92
8	1	14	1980	109.92	111.44	109.34	110.38	52930000	110.38
9	1	15	1980	110.38	111.93	109.45	111.14	52320000	111.14
10	1	16	1980	111.14	112.9	110.38	111.05	67700000	111.05
11	1	17	1980	111.05	112.01	109.81	110.7	54170000	110.7
12	1	18	1980	110.7	111.74	109.88	111.07	47150000	111.07
13	1	21	1980	111.07	112.9	110.66	112.1	48040000	112.1
14	1	22	1980	112.1	113.1	110.92	111.51	50620000	111.51
15	1	23	1980	111.51	113.93	110.93	113.44	50730000	113.44
16	1	24	1980	113.44	115.27	112.95	113.7	59070000	113.7
17	1	25	1980	113.7	114.45	112.36	113.61	47100000	113.61
18	1	28	1980	113.61	115.65	112.93	114.85	53620000	114.85
19	1	29	1980	114.85	115.77	113.03	114.07	55480000	114.07
20	1	30	1980	114.07	115.85	113.37	115.2	51170000	115.2
21	1	31	1980	115.2	117.17	113.78	114.16	65900000	114.16

using StatsPlots
df2OHLC(df) = OHLC[(df[i,:Open], df[i,:High], df[i,:Low], df[i,:Close]) for i in 1:size(df,1)]
StatsPlots.ohlc(d_spd[:,:Day], df2OHLC(d_spd[:, [:Open, :High, :Low, :Close]]))

这种图的每个符号的下端为最低，上端为最高，左边短线为开盘，右边短线为收盘。

19.17 标注

可以用Plots.annotate!()函数添加文字标注， 位置坐标采用原图的坐标系， 内容包括文字和文字的颜色、字体、大小等属性。 如

Plots.bar(1:10, (1:10) .^2, xticks=0:10, legend=false)
Plots.annotate!([(x, x^2 + 5, text(string(x^2), 16, :red, :center)) for x in 1:10],
    xticks=0:10, ylim=(0, 110), legend=false)

标注内容是元组的数组， 元组的前两个元素是一个标注的横、纵坐标， 第三个元素是用text()函数构成的文字与文字属性， text()中的字符串变量是要标注的文字， 整数值是字体大小， 颜色符号为颜色， :center、:left、:right为对齐方式。

19.18 动画图

Plots包可以通过制作动画GIF来实现动画图， 实际是做多幅图， 将每幅图作为动画的一帧。

可以用@gif或者@animate宏制作， @animate更灵活， @gif较为简单易用。 在Windows下测试失败， 应该是Linux下的功能。

例如，制作相位连续变化的正弦波图形：

using Rsvg
@gif for phi in linspace(0, 2*pi, 30)
    Plots.plot(x -> sin(x - phi), 0, 2pi )
end

或者

using Rsvg
anim = @animate for phi in linspace(0, 2*pi, 30)
    Plots.plot(x -> sin(x - phi), 0, 2pi )
end
gif(anim, "sine_wave.gif", fps=3)