使用数据相关的标记和颜色绘制 3d 散点图答案

【问题标题】：Drawing a 3d scatter plot with data dependent markers and colors使用数据相关的标记和颜色绘制 3d 散点图
【发布时间】：2020-02-04 03:25:23
【问题描述】：

我有一个数据框df 有 5 列 f1,f2,f3,f4,y，其中所有列中的所有值都来自有限的整数集，实际上，所有列都是分类列，转换为整数.我想做的是画一个3d散点图，以f1,f2,f3为轴，标记样式应该由f4决定，最后颜色应该由y列决定。

以下代码处理轴和颜色。

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig =plt.figure(figsize=(20,16)).gca(projection='3d')
fig.scatter(df['f1'], df['f2'], df['f3'], c=df['y'], s=100)
plt.show()

但我不确定如何根据 f4 列获取标记样式。受到post 的远程启发，我可能会定义一个可能的标记列表：

marker_styles = ['.','o','v','^','>','<','s','p','*','h','H','D','d','1']

然后我会根据 f4 对我的数据进行分组。对于每个组，我将使用下一个标记，如果组多于标记，则旋转回 marker_styles 列表的开头。

我不确定如何执行这个想法，或者是否有更好的选择。

【问题讨论】：

标签： python matplotlib seaborn

【解决方案1】：

您可以遍历 f4 的所有可能值，为该值创建过滤器并将其与标记组合：

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

N = 100
print(np.random.randint(1, 10, N))
df = pd.DataFrame({'f1': np.random.randint(1, 11, N),
                   'f2': np.random.randint(1, 11, N),
                   'f3': np.random.randint(1, 11, N),
                   'f4': np.random.randint(1, 11, N),
                   'y': np.random.randint(1, 11, N)})
marker_styles = ['.', 'o', 'v', '^', '>', '<', 's', 'p', '*', 'h', 'H', 'D', 'd', '1']

fig = plt.figure(figsize=(20, 16)).gca(projection='3d')
f4min = df['f4'].min()
f4max = df['f4'].max()
for f, m in zip(range(f4min, f4max + 1), itertools.cycle(marker_styles)):
    filter = df['f4'] == f
    fig.scatter(df['f1'][filter], df['f2'][filter], df['f3'][filter], c=df['y'][filter], s=100, marker=m, cmap='plasma')
plt.show()

【讨论】：