Jeg har for nylig startet et nyhedsbrev om bøger med fokus på uddannelse. Book Dives er et nyhedsbrev, der udkommer to gange om ugen, hvor vi for hvert nyt nummer dykker ned i en faglitterær bog. Du vil lære om bogens centrale lektioner, og hvordan du kan anvende dem i det virkelige liv. Du kan abonnere på det her.
Alle dataloger bør vide, hvordan man skaber effektive datavisualiseringer. Uden visualisering vil du sidde fast i at forsøge at knuse tal og forestille dig tusindvis af datapunkter i dit hoved!
Ud over det er det også et afgørende værktøj til at kommunikere effektivt med ikke-tekniske forretningsinteressenter, som lettere vil forstå dine resultater med et billede i stedet for bare ord.
De fleste af de tutorials om datavisualisering derude viser de samme grundlæggende ting: scatter plots, line plots, box plots, bar charts og heat maps. Disse er alle fantastiske til at få et hurtigt, højt niveau af indsigt i et datasæt.
Men hvad nu hvis vi tog tingene et skridt videre. Et 2D-plot kan kun vise forholdet mellem et enkelt asepar x-y; et 3D-plot giver os derimod mulighed for at udforske forholdet mellem 3 asepar: x-y, x-z og y-z.
I denne artikel giver jeg dig en nem introduktion til 3D-datavisualiseringens verden ved hjælp af Matplotlib. Til sidst vil du være i stand til at tilføje 3D-plotting til din Data Science-værktøjskasse!
Hvor vi går i gang, skal du lige tjekke AI Smart-nyhedsbrevet for at læse det nyeste og bedste om AI, maskinlæring og Data Science!
3D-plotting i Matplotlib starter med at aktivere utility-værktøjskassen. Vi kan aktivere dette værktøjssæt ved at importere mplot3d biblioteket, som følger med din standard Matplotlib-installation via pip. Du skal blot være sikker på, at din Matplotlib-version er over 1.0.
Når dette undermodul er importeret, kan 3D-plots oprettes ved at sende nøgleordet projection="3d" til en af de almindelige funktioner til oprettelse af akser i Matplotlib:
Nu da vores akser er oprettet, kan vi begynde at plotte i 3D. 3D-plotningsfunktionerne er ret intuitive: I stedet for bare scatter kalder vi scatter3D , og i stedet for kun at overgive x- og y-data overgiver vi x, y og z. Alle de andre funktionsindstillinger, såsom farve og linjetype, forbliver de samme som med 2D-plotningsfunktionerne.
Her er et eksempel på plottning af en 3D-linje og 3D-punkter.