从欧氏距离矩阵创建 3D 点云
Creating a 3D point cloud from an euclidian Distance Matrix
我有一个巨大的矩阵，它来自像
这样的文本相似性分析
elem/elem
text1
text2
text3
text4
text1
1
0.8
0.6
0.18
text2
0.8
1
0.73
0.29
text3
0.6
0.73
1
0.6
text4
0.18
0.29
0.6
1
我想创建一个 3D 云点来表示我在 3D 中的所有元素 space 点之间的距离根据与所有其他元素的相对距离
我想将我的 table 改造成更像这样的东西：
points=[
{'text1':[x,y,z]},
{'text2':[x,y,z]},
{'text3':[x,y,z]},
{'text4':[x,y,z]},
]
edges=[
[[x,y,z],[x,y,z]],
[[x,y,z],[x,y,z]]
[[x,y,z],[x,y,z]]
[[x,y,z],[x,y,z]]
[[x,y,z],[x,y,z]]
]
我将使用 numpy 和 pandas 在 python 中实现计算，并在 vueJS 应用程序中使用 D3js 等 3d 库实现渲染。
我现在正在寻找将距离矩阵转换为绝对 3D 坐标的正确算法方法。
非常感谢您的帮助。
感谢您的评论。我终于找到了力加权图
我有一个巨大的矩阵，它来自像
这样的文本相似性分析| elem/elem | text1 | text2 | text3 | text4 |
|---|---|---|---|---|
| text1 | 1 | 0.8 | 0.6 | 0.18 |
| text2 | 0.8 | 1 | 0.73 | 0.29 |
| text3 | 0.6 | 0.73 | 1 | 0.6 |
| text4 | 0.18 | 0.29 | 0.6 | 1 |
我想创建一个 3D 云点来表示我在 3D 中的所有元素 space 点之间的距离根据与所有其他元素的相对距离
我想将我的 table 改造成更像这样的东西：
points=[
{'text1':[x,y,z]},
{'text2':[x,y,z]},
{'text3':[x,y,z]},
{'text4':[x,y,z]},
]
edges=[
[[x,y,z],[x,y,z]],
[[x,y,z],[x,y,z]]
[[x,y,z],[x,y,z]]
[[x,y,z],[x,y,z]]
[[x,y,z],[x,y,z]]
]
我将使用 numpy 和 pandas 在 python 中实现计算，并在 vueJS 应用程序中使用 D3js 等 3d 库实现渲染。
我现在正在寻找将距离矩阵转换为绝对 3D 坐标的正确算法方法。
非常感谢您的帮助。
感谢您的评论。我终于找到了力加权图