使用 matplotlib 可视化 3D 聚类

Question

我对 Feature1、Feature2 和 Feature3 3 个特征进行了聚类，并提出了 2 个聚类。我正在尝试使用 matplotlib 可视化 3D 集群。

在下表中，有执行聚类的三个特征。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

试过这个代码：

   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。

通过在散点图中绘制点并使用集群标签进行区分，集群的 2D 可视化非常简单。

只是想知道有没有办法对集群进行 3D 可视化。

任何建议将不胜感激！

Answer 1

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

3D 散点图的工作原理与它的 2D 版本完全相同。

标记参数需要一个标记字符串，例如"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数组/颜色列表。在下面的示例中，我们只是提供集群索引c并使用颜色图。

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()