您的位置 首页 政策

Python 画出来六维图

更新时候:2019年07月26日 15:45:40 作者:Python大本营 这篇文章首要引见了Python 画出来六维图,文中经由过程示例代码引见的异常具体,对人人的进修或任务具…

更新时候:2019年07月26日 15:45:40 作者:Python大本营

这篇文章首要引见了Python 画出来六维图,文中经由过程示例代码引见的异常具体,对人人的进修或任务具有必然的参考进修价值,需求的同伙们上面跟着小编来一路进修进修吧

维图

来自维基百科

我们的大脑平日最多能感知三维空间,跨越三维就很难想象了。虽然是三维,了解起来也很费力,所以大多数情形下都利用二维立体。

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

数据我们利用一份来自 UCI 的真实汽车数据集,该数据集包孕 205 个样本和 26 个特点,从中选择 6 个特点来绘制图形:

根蒂根基任务

装置好 plotly 包:

pip install plotly

加载数据集(文末会供应):

维图

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

上面我们先绘制根蒂根基的二维图表,利用两个 RPM 和 Speed 两个特点便可:

维图

绘制 2-D 图

代码完成以下:

import plotly import plotly.graph_objs as go #绘制散点图 fig1 = go.Scatter(x=data[‘curb-weight’], y=data[‘price’], mode=’markers’) #绘制结构 mylayout = go.Layout(xaxis=dict(title=”curb-weight”), yaxis=dict( title=”price”)) #画图 html plotly.offline.plot({“data”: [fig1], “layout”: mylayout}, auto_open=True)

留存为 html 文件翻开可以生成交互界面,也可以留存为 png 图片。

上面增添特点来绘制三维图。

绘制 3-D 图

可以利用 plotly 的 plot.Scatter3D 方式绘制三维图:

代码完成以下:

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”))

若何绘制更高维度的图呢?明显没法经由过程扩大坐标轴的情势,不外有个小技能就是制作一个虚拟维度,可以用分歧色彩、外形巨细、外形种别来动手。如许就可以显示第四个维度了。

维图

绘制 4-D 图

维图

上面我们将第四个变量――车辆油耗(city-mpg)添加到本来的三维图中,用色彩深浅透露表现,如许就绘制出了四维图。可以看到当其他三个目标(马力、车身分量、车价钱)越高时:车辆油耗是越少的。

绘制 5-D 图

基于如许的思惟,我们还可以经由过程点窜圆形巨细再增添一个维度――发动机尺寸(engine-size)酿成五维图:

维图

我们依然可以对照轻易地地发明:车越贵,发动机尺寸越大如许的纪律。

绘制 6-D 图

接着还可以经由过程更改外形的体式格局增添第六个维度――车门数,圆形透露表现四车门,方形透露表现两车门。平日两个车门的都是昂贵的奢华跑车,在图中也可以看出方形首要集中在价钱对照高的区域。

维图

如许我们就从通俗的二维图扩大到了高维图,固然还可以持续拓展,不外分辩起来会愈来愈难题。

源码下载地址

原文链接:

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

以上就是本文的全部内容,进展对人人的进修有所匡助,也进展人人多多支撑剧本之家。

保举浏览:php完成五维雷达图,【数据可视化·图表篇】雷达图_nzy233的博客

旁友们,好久不见,数据可视化根蒂根基图表系列的最初一篇终究跟人人晤面了!明天小数将带人人走进雷达图。

(之前关于柱状图、折线图、饼图和散点图的分享文章,感兴趣的小伙伴可以在文章底部检查!)

为轻易人人了解,本文生成图表所利用的对象仍是Excel.

雷达图:可以在统一坐标系内展现多目标的剖析对照情形。它是由一组坐标和多个同心圆构成的图表。雷达图分析法是综合评价中经常使用的一种方式,特别合用于对多属性体系结构描写的对象作出全局性、整体性评价。

特色:合用于多维数据(三维以上),且每一个维度的数据是有序的。

大体了解了雷达图是怎样一回事儿今后,我们用Excel测验考试建造最罕见的五维雷达图。

雷达图建造与优化

1.数据源以下:

2.选择目标列和A君列,选择拔出雷达图便可

小贴士:Excel中凭据画图区域的展现体式格局分歧供应了三种雷达图类型:通俗雷达图、带数据符号的雷达图和填充雷达图,小数选择的是填充雷达图。

复杂丑化:

a.填充色点窜

b.填充区域的透明度调剂(这个功用在符号选项外面哦~)

c.点窜题目

然后获得下图:

3.其他两个若何生成?

这里增补一个Excel小技能:建造构造沟通的多个图表时,先完全做好丑化一个,复制成多个今后,点窜援用的数据区域就可以敏捷搞定。

B君和C君的雷达图以下所示,经由过程比较,很轻易评价哪位相亲对象综合实力更高(坏笑ing)

固然下面只是一个复杂的举例,其实全部根蒂根基图表可视化系列上去,人人应当有一些明白的感触感染:做数据可视化除不影响图表想要表达的首要信息外,色彩透明度、字体、线条、坐标轴、数据符号这些图表构成元素,都可以凭据这个图表利用的场所做响应的调剂转变,不过就是凭据受众的喜欢多做调剂。

翻开思绪

由于是可视化图表系列的最初一篇文章,所以小数不再赘述这些基本操作,人人可以翻看之前的文章做测验考试。只需您勇于测验考试,没有不悦目的图表!也欢迎您将本身的作品发给我多做交换!(hey! 之前在后台跟我商量南丁格尔玫瑰图的谁人妹子,说你呢~)

接下来,小数会给人人展现一些创意雷达图,进展能帮人人翻开思绪:

@新浪潍坊

这张图的亮点是做了图形与什物连系,还记得之前我们文章外面的饼图吗?

这是DataHunter的头条号后台的一个雷达图,全体配色选用了头条的logo色,而且相较之前例子,它的背景色也做了分块填充。

@dotamax.com

以上是dota2的截图,玩游戏的同窗看到应当会有亲切感,这个雷达图实际上也算是填充面积图,只不过它将同心圆的轴线做了简化处置惩罚。

这张图对照有意思,它申明了影响穷汉和穷人胜利的分歧身分,它与之前其他图分歧的处所是:将三个分歧对象的评价放到同一张雷达图上,经由过程色采停止了比较。

小结

小数带人人认识了根蒂根基图表的寄义和适用范围,并将一些可视化的技能套路(元素增加、色采透明度、文字、icon等)实验了一遍,进展可以或许带给人人一点开导。

马克.吐温有一句名言“世界上有三种谣言:谣言,活该的谣言和统计数字。”人们常常误解数字,谣言并不是源于数字自己,而是毛病或不负责任地利用数字的人,向别人展现数字的时刻,你有义务展现出实情。

所以再烦琐一句:任何数据可视化结果终究目标都是为了转达图表制作者所想转达的信息,这才是首要目标,一切为了寻求残暴结果而下降图表的可读性都是耍流氓!

保举浏览:R说话 ggvenn 包做维恩图

维恩图

用于展现在分歧的事物群组(鸠合)之间的数学或逻辑联系,特别合适用来透露表现鸠合(或)类之间的“大致关系”,它也经常被用来匡助推导(或了解推导进程)关于鸠合运算(或类运算)的一些纪律。

置信人人在浏览文献时都会碰着维恩图,是一种对照罕见且经常使用的图,明天呢我就给人人供应一个复杂的画图方式。笔者自己是做联系关系剖析的,日常平凡经由过程维恩图来展现表型多年多点的反复联系关系位点,也可以展现一因多效位点,人人可以凭据本身的小我需求去画图,好的我们话不多说直接最先。

正本想在简书也分享一下,效果太费事了为了勤俭时候本钱就生成图片以下,人人有需求的可以来我的微信公家号里看看外面有具体教程及收费代码。迎接人人斧正!

本文来自网络,不代表客家人_客家文化_客家网_客家祖地网立场,转载请注明出处:https://www.hakkaroot.com/38467.html

作者: admin

为您推荐

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

联系我们

联系我们

13000001211

在线咨询: QQ交谈

邮箱: email@wangzhan.com

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

关注微博
返回顶部