1、2、3維圖見過，用Python畫出來的六維圖見過麼？

我們的大腦通常最多能感知三維空間，超過三維就很難想象了。儘管是三維，理解起來也很費勁，所以大多數情況下都使用二維平面。

來自維基百科

不過，我們仍然可以繪製出多維空間，今天就來用 Python 的 plotly 庫繪製下三維到六維的圖，看看長什麼樣。Python學習q-u-n七八四，七五八，二一四教程視訊，工具，各類實戰操作分享

資料我們使用一份來自 UCI 的真實汽車資料集，該資料集包括 205 個樣本和 26 個特徵，從中選擇 6 個特徵來繪製圖形：

基礎工作

安裝好 plotly 包：

pip install plotly

載入資料集（文末會提供）：

import pandas as pd
data = pd.read_csv("cars.csv")

下面我們先繪製基礎的二維圖表，使用兩個 RPM 和 Speed 兩個特徵即可：

繪製 2-D 圖

程式碼實現如下：

import plotly
import plotly.graph_objs as go
#繪製散點圖
fig1 = go.Scatter(x=data['curb-weight'],
                  y=data['price'],
                  mode='markers')
#繪製佈局
mylayout = go.Layout(xaxis=dict(title="curb-weight"),
                     yaxis=dict( title="price"))
#繪圖 html
plotly.offline.plot({"data": [fig1],
                     "layout": mylayout},
                     auto_open=True)

儲存為 html 檔案開啟可以生成互動介面，也可以儲存為 png 圖片。

下面增加特徵來繪製三維圖。

繪製 3-D 圖

可以使用 plotly 的 plot.Scatter3D 方法繪製三維圖：

程式碼實現如下：

fig1 = go.Scatter3d(x=data['curb-weight'],
                    y=data['horsepower'],
                    z=data['price'],
                    marker=dict(opacity=0.9,
                                reversescale=True,
                                colorscale='Blues',
                                size=5),
                    line=dict (width=0.02),
                    mode='markers')
mylayout = go.Layout(scene=dict(xaxis=dict( title="curb-weight"),
                                yaxis=dict( title="horsepower"),
                                zaxis=dict(title="price")),)
plotly.offline.plot({"data": [fig1],
                     "layout": mylayout},
                     auto_open=True,
                     filename=("3DPlot.html"))

如何繪製更高維度的圖呢？顯然無法通過擴充套件座標軸的形式，不過有個小技巧就是製造一個虛擬維度，可以用不同顏色、形狀大小、形狀類別來入手。這樣就可以顯示第四個維度了。

繪製 4-D 圖

下面我們將第四個變數——車輛油耗（city-mpg）新增到原先的三維圖中，用顏色深淺表示，這樣就繪製出了四維圖。可以看到當其他三個指標（馬力、車身重量、車價格）越高時：車輛油耗是越少的。

繪製 5-D 圖

基於這樣的思想，我們還可以通過修改圓形大小再增加一個維度——發動機尺寸（engine-size）變成五維圖：

我們仍然可以比較容易地地發現：車越貴，發動機尺寸越大這樣的規律。

繪製 6-D 圖

接著還可以通過更改形狀的方式增加第六個維度——車門數，圓形表示四車門，方形表示兩車門。通常兩個車門的都是昂貴的豪華跑車，在圖中也可以看出方形主要集中在價格比較高的區域。Python學習q-u-n七八四，七五八，二一四教程視訊，工具，各類實戰操作分享

這樣我們就從普通的二維圖擴充套件到了高維圖，當然還可以繼續擴充，不過分辨起來會越來越困難。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/69913713/viewspace-2650993/，如需轉載，請註明出處，否則將追究法律責任。