sklearn中提供了一些入门的数据集，一个典型的例子就是鸢尾花数据库，可以通过四个参数对花进行三分类，我们使用前三个参数作为xyz坐标，可以大致看出这些数据点在空间中的分布，代码和结果如下所示。在安装完依赖包之后可以直接使用。
源代码如下：
from sklearn import datasets import pandas as pd from pyecharts import options as opts from pyecharts.charts import Scatter3D from pyecharts.faker import Faker iris = datasets.load_iris() iris_df = pd.DataFrame({ 'x0':[iris.data[i][0] for i in range(len(iris.data))], 'x1':[iris.data[i][1] for i in range(len(iris.data))], 'x2':[iris.data[i][2] for i in range(len(iris.data))], 'x3':[iris.data[i][3] for i in range(len(iris.data))], 'type':iris.target }) #典型的DataFrame数据筛选操作（方括号内的布尔表达式） df_type0=iris_df[iris_df.type==0] df_type1=iris_df[iris_df.type==1] df_type2=iris_df[iris_df.type==2] data_type0=[[df_type0.x0.iloc[i],df_type0.x1.iloc[i],df_type0.x2.iloc[i]] for i in range(df_type0.shape[0])] data_type1=[[df_type1.x0.iloc[i],df_type1.x1.iloc[i],df_type1.x2.iloc[i]] for i in range(df_type1.shape[0])] data_type2=[[df_type2.x0.iloc[i],df_type2.x1.iloc[i],df_type2.x2.iloc[i]] for i in range(df_type2.shape[0])] def scatter3d_base() -> Scatter3D: c = ( Scatter3D() .add("", data_type0) .add("", data_type1) .add("", data_type2) .set_global_opts( title_opts=opts.TitleOpts("Iris Classification"), # visualmap_opts=opts.VisualMapOpts(range_color=Faker.visual_color), # visualmap_opts=opts.VisualMapOpts(range_color=['#ff0000','#00ff00','#0000ff']), ) .set_colors(['#ff0000','#00ff00','#0000ff']) ) return c iris_scatter3d = scatter3d_base() iris_scatter3d.render()
1234567891011121314151617181920212223242526272829303132333435363738394041
