Python 如何可视化大容量三维数据

我有如下数据集：

import numpy as np
from pandas import DataFrame
mypos = np.random.randint(10, size=(100, 2))
mydata = DataFrame(mypos, columns=['x', 'y'])
myres = np.random.rand(100, 1)
mydata['res'] = myres

res变量是连续的，x和y变量是表示 位置（因此大部分重复）， res表示位置对之间的某种关联

我想知道可视化这个数据集的最佳方式是什么？ 已经考虑的可能办法：

散点图，通过颜色渐变显示res变量

平行坐标图

第一种方法是当职位数量变大时出现问题， 因为res变量的高值（即我们关心的值）将淹没在一片混乱的海洋中 小点

第二种方法可能是有希望的，但我很难实现它。 我已经尝试了pandas模块中的parallel_坐标函数， 但它的行为不像我希望的那样。（见此问题：

---

)

我希望这有助于在R中找到解决方案。祝你好运

# you need this package for the colour palette
library(RColorBrewer)

# create the random data
dd <- data.frame(
    x = round(runif(100, 0, 10), 0),
    y = round(runif(100, 0, 10), 0),
    res = runif(100)
)

# pick the number of colours (granularity of colour scale)
nColors <- 100 

# create the colour pallete
cols <-colorRampPalette(colors=c("white","blue"))(nColors)

# get a zScale for the colours
zScale <- seq(min(dd$res), max(dd$res), length.out = nColors)

# function that returns the nearest colour given a value of res
findNearestColour <- function(x) {
    colorIndex <- which(abs(zScale - x) == min(abs(zScale - x)))
    return(cols[colorIndex])
}

# the first plot is the scatterplot
### this has problems because points come out on top of eachother
plot(y ~ x, dd, type = "n")
for(i in 1:dim(dd)[1]){
    with(dd[i,],
        points(y ~ x, col = findNearestColour(res), pch = 19)
    )
}

# this is your parallel coordinates plot (a little better)
plot(1, 1, xlim = c(0, 1), ylim = c(min(dd$x, dd$y), max(dd$x, dd$y)), 
     type = "n", axes = F, ylab = "", xlab = "")
for(i in 1:dim(dd)[1]){
    with(dd[i,],
        segments(0, x, 1, y, col = findNearestColour(res))
    )
}

#调色板需要此软件包
图书馆（RColorBrewer）
#创建随机数据
dd是否应将其标记为“r”？看起来它更像是Python Q。是的，但我不介意在R中这样做，只要它能完成任务。成对的hexbin绘图？这太“模糊”。
parcoord
或
parallelplot
在R中对我有用。当有数千行时，使用透明颜色会有所帮助。也许您应该在数据创建已经完成的情况下重新发布。然后是编码问题，而不是“推荐方法问题”