使用 matplotlib 可视化 3D 聚类

Question

我已经聚类了 3 个特征 Feature1、Feature2 和 Feature3，并提出了 2 个聚类。我正在尝试使用 matplotlib 可视化 3D 集群。

在下面的 table 中，对三个特征执行聚类。簇数为 2。

    Feature1        Feature2    Feature3    ClusterIndex
  0 1.349656e-09    1.000000    1.090542e-09    0
  1 1.029752e-07    1.000000    6.040669e-08    0
  2 2.311729e-07    1.000000    1.568289e-11    0
  3 1.455860e-08    6.05e-08    1.000000        1
  4 3.095807e-07    2.07e-07    1.000000        1

尝试过此代码：

   fig = plt.figure()
   ax = fig.add_subplot(111, projection='3d')
   x = np.array(df['Feature1'])
   y = np.array(df['Feature2'])
   z = np.array(df['Feature3'])
   ax.scatter(x,y,z, marker=colormap[kmeans.labels_], s=40)

但是，我收到错误 "ValueError: could not convert string to float: red"。因此，标记部分是我得到错误的地方。

簇的二维可视化非常简单，只需在散点图中绘制点并使用簇标签进行区分即可。

只是想知道有没有办法对集群进行 3D 可视化。

如有任何建议，我们将不胜感激！！

Answer 1

原则上，问题中的代码应该可以工作。然而，尚不清楚 marker=colormap[kmeans.labels_] 会做什么以及为什么需要它。

3D 散点图与它的 2D 版本完全一样。

标记参数需要一个标记字符串，如 "s" 或 "o" 来确定标记形状。
可以使用 c 参数设置颜色。您可以提供单一颜色或 array/a 颜色列表。在下面的示例中，我们只是将聚类索引提供给 c 并使用颜色映射。

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import pandas as pd
import numpy as np

v = np.random.rand(10,4)
v[:,3] = np.random.randint(0,2,size=10)
df = pd.DataFrame(v, columns=['Feature1', 'Feature2','Feature3',"Cluster"])
print (df)

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
x = np.array(df['Feature1'])
y = np.array(df['Feature2'])
z = np.array(df['Feature3'])

ax.scatter(x,y,z, marker="s", c=df["Cluster"], s=40, cmap="RdBu")

plt.show()

使用 matplotlib 可视化 3D 聚类

Visualizing 3D clustering using matplotlib

visualization

cluster-analysis

matplotlib