Jag startade nyligen ett nyhetsbrev med fokus på böcker. Book Dives är ett nyhetsbrev som utkommer varannan vecka där vi för varje nytt nummer dyker ner i en fackbok. Du får lära dig om bokens centrala lärdomar och hur du kan tillämpa dem i det verkliga livet. Du kan prenumerera på det här.
Alla datavetare bör veta hur man skapar effektiva datavisualiseringar. Utan visualisering kommer du att vara fast i att försöka knäcka siffror och föreställa dig tusentals datapunkter i ditt huvud!
Ovanpå det är det också ett viktigt verktyg för att kommunicera effektivt med icke-tekniska affärsintressenter som lättare kommer att förstå dina resultat med en bild i stället för bara ord.
De flesta handledningar om datavisualisering som finns där ute visar samma grundläggande saker: spridningsdiagram, linjediagram, boxdiagram, stapeldiagram och värmekartor. Dessa är alla fantastiska för att få en snabb inblick på hög nivå i en datamängd.
Men tänk om vi tog saker och ting ett steg längre. En 2D-plott kan bara visa relationerna mellan ett enda axelpar x-y. Med en 3D-plott kan vi däremot utforska relationerna mellan tre axelpar: x-y, x-z och y-z.
I den här artikeln ger jag dig en enkel introduktion till 3D-datavisualiseringens värld med hjälp av Matplotlib. I slutet av den kommer du att kunna lägga till 3D-plottning till din verktygslåda för datavetenskap!
Vad vi gör innan vi hoppar in, kolla in AI Smart Newsletter för att läsa det senaste och bästa om AI, maskininlärning och datavetenskap!
3D-plottning i Matplotlib börjar med att du aktiverar verktygslådan för verktygslådan för verktygslådor. Vi kan aktivera den här verktygslådan genom att importera mplot3dbiblioteket, som följer med din standardinstallation av Matplotlib via pip. Se bara till att din Matplotlib-version är över 1.0.
När den här undermodulen är importerad kan 3D-plottar skapas genom att skicka nyckelordet projection="3d" till någon av de vanliga funktionerna för skapande av axlar i Matplotlib:
När våra axlar är skapade kan vi börja plotta i 3D. 3D-plottningsfunktionerna är ganska intuitiva: i stället för bara scatter kallar vi scatter3D , och i stället för att bara lämna över x- och y-data lämnar vi över x, y och z. Alla andra funktionsinställningar, t.ex. färg och linjetyp, förblir desamma som för 2D-plottningsfunktionerna.
Här är ett exempel på plottning av en 3D-linje och 3D-punkter.