python - 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

可视化这些数据的最佳方法是什么，我使用 matplotlib 来可视化它，并使用 pandas 从 csv 中读取它

谢谢

Answer 1

在高维空间中可视化数据一直是一个难题。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!下面是一个如何使用 pandas(0.7.3 以上版本)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 2D 投影都作为散点图，以及 1D 投影的 KDE 直方图:

我在 my github page 上也有一个纯 matplotlib 方法来解决这个问题，它会产生非常相似的绘图类型(它专为 MCMC 输出而设计，但也适用于此处)。以下是您在此处使用它的方式:

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)