来自维基百科
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：
基础工作
安装好 plotly 包：
pip install plotly
加载数据集（文末会提供）：
import pandas as pd
data = pd.read_csv("cars.csv")
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：
绘制 2-D 图
代码实现如下：
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')
#绘制布局
mylayout = go.Layout(xaxis=dict(title="curb-weight"),
yaxis=dict( title="price"))
#绘图 html
plotly.offline.plot({"data": [fig1],
"layout": mylayout},
auto_open=True)
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。
绘制 3-D 图
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'],
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。
绘制 4-D 图
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。
绘制 5-D 图
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。
绘制 6-D 图
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。
源码下载地址
原文链接：
https://medium.com/@prasadostwal/multi-dimension-plots-in-python-from-2d-to-6d-9a2bf7b8cc74
到此这篇关于Python 画出来六维图就介绍到这了。人家怕你，并不是一种福，人家欺你，并不是一种辱。更多相关Python 画出来六维图内容请查看相关栏目，小编编辑不易，再次感谢大家的支持！
