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