六维图见过么？Python 画出来了

来自维基百科
作者 |苏克1900
来源 | 高级农民工（ID:Mocun6）

我们的大脑通常最多能感知三维空间，超过三维就很难想象了。尽管是三维，理解起来也很费劲，所以大多数情况下都使用二维平面。

不过，我们仍然可以绘制出多维空间，今天就来用 Python 的 plotly 库绘制下三维到六维的图，看看长什么样。

数据我们使用一份来自 UCI 的真实汽车数据集，该数据集包括 205 个样本和 26 个特征，从中选择 6 个特征来绘制图形：

[h2]基础工作[/h2]
安装好 plotly 包：

pip install plotly

复制代码

加载数据集（文末会提供）：

import pandas as pd

复制代码

data = pd.read_csv("cars.csv")

复制代码

下面我们先绘制基础的二维图表，使用两个 RPM 和 Speed 两个特征即可：

[h2]绘制 2-D 图[/h2]

代码实现如下：

import plotly

复制代码

import plotly.graph_objs as go

复制代码

[/code][code]#绘制散点图

复制代码

fig1 = go.Scatter(x=data['curb-weight'],

复制代码

y=data['price'],

复制代码

mode='markers')

复制代码

[/code][code]#绘制布局

复制代码

mylayout = go.Layout(xaxis=dict(title="curb-weight"),

复制代码

yaxis=dict( title="price"))

复制代码

[/code][code]#绘图 html

复制代码

plotly.offline.plot({"data": [fig1],

复制代码

"layout": mylayout},

复制代码

auto_open=True)

复制代码

保存为 html 文件打开可以生成交互界面，也可以保存为 png 图片。

下面增加特征来绘制三维图。

[h2]绘制 3-D 图[/h2]
可以使用 plotly 的 plot.Scatter3D 方法绘制三维图：

代码实现如下：

fig1 = go.Scatter3d(x=data['curb-weight'],

复制代码

y=data['horsepower'],

复制代码

z=data['price'],

复制代码

marker=dict(opacity=0.9,

复制代码

reversescale=True,

复制代码

colorscale='Blues',

复制代码

size=5),

复制代码

line=dict (width=0.02),

复制代码

mode='markers')

复制代码

[/code][code]mylayout = go.Layout(scene=dict(xaxis=dict( title="curb-weight"),

复制代码

yaxis=dict( title="horsepower"),

复制代码

zaxis=dict(title="price")),)

复制代码

[/code][code]plotly.offline.plot({"data": [fig1],

复制代码

"layout": mylayout},

复制代码

auto_open=True,

复制代码

filename=("3DPlot.html"))

复制代码

如何绘制更高维度的图呢？显然无法通过扩展坐标轴的形式，不过有个小技巧就是制造一个虚拟维度，可以用不同颜色、形状大小、形状类别来入手。这样就可以显示第四个维度了。

[h2]绘制 4-D 图[/h2]
下面我们将第四个变量——车辆油耗（city-mpg）添加到原先的三维图中，用颜色深浅表示，这样就绘制出了四维图。可以看到当其他三个指标（马力、车身重量、车价格）越高时：车辆油耗是越少的。

[h2][/h2][h2]绘制 5-D 图[/h2]
基于这样的思想，我们还可以通过修改圆形大小再增加一个维度——发动机尺寸（engine-size）变成五维图：

我们仍然可以比较容易地地发现：车越贵，发动机尺寸越大这样的规律。

[h2]绘制 6-D 图[/h2]
接着还可以通过更改形状的方式增加第六个维度——车门数，圆形表示四车门，方形表示两车门。通常两个车门的都是昂贵的豪华跑车，在图中也可以看出方形主要集中在价格比较高的区域。

这样我们就从普通的二维图扩展到了高维图，当然还可以继续拓展，不过分辨起来会越来越困难。

原文链接：
https://medium.com/@prasadostwal/multi-dimension-plots-in-python-from-2d-to-6d-9a2bf7b8cc74

（*本文仅代表作者观点，转载请联系原作者）
◆
精彩推荐
◆
比写代码更重要的是抓住下一个技术风口。6月AI技术福利，亚马逊、微软、BTA、滴滴、字节跳动、美团等一线公司大牛带你一起探索机器学习、数据分析、自然语言处理、知识图谱等热门技术领域的未来方向以及落地实践。

限免即将结束，速领~

推荐阅读：

你点的每个“在看”，我都认真当成了喜欢