3D聚类图从入门到实战：Python实现与可视化优化指南

1次阅读

没有评论

共计 2228 个字符，预计需要花费 6 分钟才能阅读完成。

在数据科学项目中，我们经常需要探索数据的分布模式。传统的 2D 散点图虽然简单直观，但当数据具有三个关键维度时，2D 图就无法完整展现数据的内在结构。这时，3D 聚类图就派上了用场。

新手常遇到的几个痛点：

高维数据直接可视化会导致严重的 ” 维度灾难 ”，难以发现有效模式
不同聚类算法对参数设置非常敏感，调优过程令人困惑
静态的 3D 图交互性差，难以从不同角度观察数据分布

时间复杂度：O(nki)，n 为样本数，k 为簇数，i 为迭代次数
假设数据呈球形分布
需要预先指定簇数量 k
对噪声和异常值敏感

时间复杂度：O(n log n)（使用空间索引时）
能发现任意形状的簇
自动确定簇数量
可以识别噪声点

在 3D 空间中，如果数据分布不均匀或存在噪声，DBSCAN 通常表现更好。

from sklearn.preprocessing import StandardScaler

def preprocess_data(data):
    """
    数据标准化处理

    参数:
        data: numpy 数组或类数组结构

    返回:
        标准化后的数据
    """
    scaler = StandardScaler()
    return scaler.fit_transform(data)

from sklearn.cluster import KMeans

def kmeans_cluster(data, n_clusters=3):
    """
    K-means 聚类实现

    参数:
        data: 预处理后的数据
        n_clusters: 预设的簇数量

    返回:
        聚类标签
    """
    kmeans = KMeans(n_clusters=n_clusters, random_state=42)
    return kmeans.fit_predict(data)

from sklearn.cluster import DBSCAN

def dbscan_cluster(data, eps=0.5, min_samples=5):
    """
    DBSCAN 聚类实现

    参数:
        data: 预处理后的数据
        eps: 邻域半径
        min_samples: 核心点的最小邻域样本数

    返回:
        聚类标签
    """
    dbscan = DBSCAN(eps=eps, min_samples=min_samples)
    return dbscan.fit_predict(data)

import matplotlib.pyplot as plt

def plot_3d_matplotlib(data, labels):
    """
    使用 Matplotlib 绘制静态 3D 聚类图

    参数:
        data: 三维数据
        labels: 聚类标签
    """
    fig = plt.figure(figsize=(10, 8))
    ax = fig.add_subplot(111, projection='3d')

    scatter = ax.scatter(data[:, 0], data[:, 1], data[:, 2], 
                         c=labels, cmap='viridis', s=50)

    ax.set_xlabel('X 轴')
    ax.set_ylabel('Y 轴')
    ax.set_zlabel('Z 轴')
    plt.colorbar(scatter)
    plt.title('3D 聚类结果(Matplotlib)')
    plt.show()

import plotly.express as px

def plot_3d_plotly(data, labels):
    """
    使用 Plotly 绘制交互式 3D 聚类图

    参数:
        data: 三维数据
        labels: 聚类标签
    """
    fig = px.scatter_3d(x=data[:, 0], y=data[:, 1], z=data[:, 2],
                        color=labels, opacity=0.7)
    fig.update_traces(marker_size=5)
    fig.update_layout(title='3D 聚类结果(Plotly)')
    fig.show()

当处理高维数据时，可以先使用 PCA 降维到 3D 再进行聚类和可视化：

from sklearn.decomposition import PCA

def apply_pca(data, n_components=3):
    """
    应用 PCA 降维

    参数:
        data: 原始数据
        n_components: 要保留的主成分数量

    返回:
        降维后的数据
    """
    pca = PCA(n_components=n_components)
    return pca.fit_transform(data)