尝试使用以下方法绘制三维图:
x轴-值(浮点)
y轴-值(浮点)
z轴-类别(字符串)
现在我尝试使用pandas.factorize(table.zcolumn)转换z vector
Output: (array([ 0, 0, 0, ..., -1, -1, 1]), Index([u'London', u'National'], dtype='object'))
这样我就可以画出数字了。
您会看到有NaN值转换为-1，所以当我绘制图形时，在-1处有一堆值。数据包含伦敦，国家和NaN类别。
如何标记轴以适合我的数据？我觉得应该有一个简单的功能来匹配它。
在z轴上，我需要重新将打勾-1分配为“NA”，将0分配为“London”，将1分配为“National”
我也会对使用大量类别的方法感兴趣，因此不需要手动输入每个类别字符串的代码
regions = pandas.factorize(dataTable.Region[id_range])
regions_num = regions[0]
fig = plot.figure()
ax = fig.add_subplot(111,projection='3d')
ax.scatter(y, x, zs=regions_num)
ax.axes.set_zticklabels(["London","National","N/A"])
plot.show()
最佳答案
您只需要将zticks设置为与类别相对应的三个z值即可:
ax.axes.set_zticks(regions_num)
话虽如此，但我实际上并不是绘制数据的一种很好的方法。当您的X，Y和Z值都是连续变量时，3D图最有用。如果“region”是一个序数变量，则将区域表示为不同的z级别可能会更有意义，但是是否有任何理由使
'N/A'应该比'National'“更高”？ 3D图通常也比2D图更难读-例如，由于透视投影，在'National'类别中的一个附近的点看起来很像在'N/A'类别中的一个较远的点。一个更合适的选择可能是将这些数据表示为2D轴上的散点图，并用不同的颜色表示不同的类别。
关于python-2.7 - 具有分类轴的3D图[Python/Matplotlib]，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/24509503/