使用 matplotlib 可视化 10 维数据

Question

我有这样的数据：

ID    x1   x2   x3    x4    x5    x6    x7   x8   x9   x10
1   -0.18   5 -0.40 -0.26  0.53 -0.66  0.10   2 -0.20    1
2   -0.58   5 -0.52 -1.66  0.65 -0.15  0.08   3  3.03   -2
3   -0.62   5 -0.09 -0.38  0.65  0.22  0.44   4  1.49    1
4   -0.22  -3  1.64 -1.38  0.08  0.42  1.24   5 -0.34    0
5    0.00   5  1.76 -1.16  0.78  0.46  0.32   5 -0.51   -2

可视化此数据的最佳方法是什么，我正在使用 matplotlib 对其进行可视化，并使用 pandas

从 csv 中读取它

谢谢

Answer 1

在高维度中可视化数据 space 始终是一个难题。一种常用的解决方案 (and is now available in pandas) 是检查数据的所有 1D 和 2D 投影。它不会为您提供有关数据的所有信息，但除非您可以在 10D 中看到，否则无法将其可视化！下面是如何使用 pandas（版本 0.7.3 以上）执行此操作的示例：

import numpy as np 
import pandas as pd
from pandas.plotting import scatter_matrix

#first make some fake data with same layout as yours
data = pd.DataFrame(np.random.randn(100, 10), columns=['x1', 'x2', 'x3',\
                    'x4','x5','x6','x7','x8','x9','x10'])

#now plot using pandas 
scatter_matrix(data, alpha=0.2, figsize=(6, 6), diagonal='kde')

这会生成一个图，其中所有二维投影都作为散点图，以及一维投影的 KDE 直方图：

我在 my github page 上也有一个纯 matplotlib 方法来处理这个问题，它产生了一种非常相似的绘图类型（它是为 MCMC 输出设计的，但在这里也适用）。以下是您在这里的使用方式：

import corner_plot as cp

cp.corner_plot(data.as_matrix(),axis_labels=data.columns,nbins=10,\
              figsize=(7,7),scatter=True,fontsize=10,tickfontsize=7)

Answer 2

您可以随时间更改绘图，对于每个瞬间，您都绘制不同的 "dimension" 数据帧。这里有一个关于如何绘制随时间变化的图的示例，您可以根据自己的目的进行调整

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()
ax = fig.add_subplot(111)
plt.grid(True)
plt.hold(False)
x = np.arange(-3, 3, 0.01)

for n in range(15):
    y = np.sin(np.pi*x*n) / (np.pi*x*n)
    line, = ax.plot(x, y)
    plt.draw()
    plt.pause(0.5)

使用 matplotlib 可视化 10 维数据

Visualising 10 dimensional data with matplotlib

python

numpy

matplotlib

data-science