Python 绘制4d数据

我有四个维度的点，我们称之为，v，w，y，z，我想把它们可视化

我的计划是让两个正方形，v x w，y x z，彼此相邻，然后只画两次每个点

鉴于两点[1,1,1,3]，[2,2,2,2]，我设想如下：

给定一小组点，我可以使用不同的颜色来显示左侧的点对应于右侧的点。有了大量的分数，这将是徒劳的。但也许热图是最好的可视化方法

或者在python/matplotlib中是否有其他既定的方法来可视化更高维度的数据

以下是一些示例数据：

>>> resultsArray[:,:4]
array([[ 0.        ,  0.        ,  0.        ,  0.        ],
       [ 0.00495236,  0.03919034,  0.00495287,  0.03919042],
       [ 0.00240293,  0.02667374,  0.00220419,  0.02693434],
       [ 0.0011231 ,  0.0191784 ,  0.00104353,  0.01928256],
       [ 0.00547274,  0.04187615,  0.00657255,  0.04043363],
       [ 0.00291993,  0.0286196 ,  0.00292006,  0.02861962],
       [ 0.00128136,  0.01975574,  0.00121107,  0.01984781],
       [ 0.00591335,  0.04531384,  0.00873814,  0.04160714],
       [ 0.00345499,  0.0310103 ,  0.00396032,  0.03034784],
       [ 0.00149387,  0.02056065,  0.0014939 ,  0.02056065],
       [ 0.00274306,  0.02667374,  0.00220419,  0.02659422],
       [ 0.00123893,  0.01948363,  0.00108284,  0.01952189],
       [ 0.00162006,  0.02379926,  0.00143157,  0.02389168],
       [ 0.00347023,  0.0286196 ,  0.00292006,  0.02806932]])

---

那么三维散点图呢？如果包括色标，它实际上是四维的

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

sp = ax.scatter(data[:,0],data[:,1],data[:,2], s=20, c=data[:,3])
plt.colorbar(sp)

---

您可以根据自己的喜好自定义颜色比例和投影方向。

三维散点图怎么样，当包含颜色比例时，三维散点图实际上是四维的

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

sp = ax.scatter(data[:,0],data[:,1],data[:,2], s=20, c=data[:,3])
plt.colorbar(sp)

---

您可以根据需要自定义颜色比例和投影方向。

在数据中，v接近y，w接近z，因此您可以对线段v，w到y，z进行二维绘图。您可以创建二维散点图，并使用v，w作为x，y坐标，y值为点着色，z值为数据中点的大小进行缩放，v接近y，w接近z，因此可以绘制线段v，w到y，z的二维图。可以创建二维散点图，并使用v，w作为x，y坐标，y值为点着色，z值缩放点的大小