python高维向量的可视化_用Python绘制多维向量

从这个问题上很难确定我的答案是否相关，但这里是我最好的猜测。我相信DeltasScience是在问多维向量通常是如何绘制到二维空间的，就像散点图一样。我认为最好的答案是通常会执行某种降维算法。换句话说，这不是通过找到正确的matplotlib代码来实现的，而是将数据放入正确的形状(一个列表用于X轴，另一个列表用于Y轴)，然后使用典型的matplotlib方法进行打印：import numpy as np

import matplotlib.pyplot as plt

from sklearn.decomposition import PCA

M = np.random.rand(944, 1683)

pca = PCA(n_components=2)

reduced = pca.fit_transform(M)

# We need a 2 x 944 array, not 944 by 2 (all X coordinates in one list)

t = reduced.transpose()

plt.scatter(t[0], t[1])

plt.show()

以下是一些相关链接：

2019年7月补遗：我当时没有想到，但人们通常将多维数据可视化的另一种方式是网络可视化。在这种情况下，每一个多维数组都是一个节点，而边缘权重将类似于两个节点的余弦相似性或欧几里得距离。Networkx in python有一些非常好的可视化选项。在