可视化

高维数据可视化—Hypertools

简 介

平时可以通过seaborn，matplotlib，plotly等工具包进行二维，三维数据等可视化，但是高维度数据的可视化一直是一大难点，如果能对高维数据进行可视化，可以更容易识别不同数据列之间的隐藏模式、关联性等。今天和大家分享一个有趣的高维数据可视化工具—Hypertools。
Hypertools是建立在matplotlib、sklearn 和 seaborn 之上的，Hypertools通过降低数据维度来对高维数据集进行可视化。

HyperTools的功能主要包括：

• 在2/3D 中绘制高维数据集的；
• 可以绘制静态图和动画图；
• 自定义绘图样式的简单API；
• 一组强大的数据操作工具，包括超对齐、k均值聚类、归一化等；
• 支持Numpy数组、Pandas DataFrame、文本或（混合）列表；

• 可以将主题模型和其他文本矢量化方法应用于文本数据；

  示例代码

• 代码摘自：https://towardsdatascience.com/visualizing-high-dimensional-data-f59eab85f08b

  1、Basic Plot

  ```python

  pip install hypertools

  import hypertools as hyp %matplotlib inline

data loading

basic = hyp.load(‘weights_sample’) basic basic.plot(fmt=’.’)

![](https://cdn.nlark.com/yuque/0/2021/webp/396745/1638417745447-1b96a7a8-bf8d-4348-8c06-634504abcb6e.webp#clientId=u6e5d675d-8709-4&crop=0&crop=0&crop=1&crop=1&from=paste&id=u6c5a6925&margin=%5Bobject%20Object%5D&originHeight=229&originWidth=405&originalType=url&ratio=1&rotation=0&showTitle=false&status=done&style=shadow&taskId=uc9231e77-63e9-4f3b-86f2-c97e7b0f963&title=) 
<a name="xsoEA"></a>
### 2、Cluster Plot
```python
clust = hyp.load('mushrooms')
# Creating plot
clust.plot(n_clusters=10)

3、Corpus Plots

text = ['i am from India', 'India is in asia', 'Asia is the largest continent',
        'There are 7 continents', 'Continents means earth surfaces ', 'Surfaces covers land area',
        'land area is largest in asia'] 
hyp.plot(text, '*', corpus=text)

4、UMAP

from sklearn import datasets
data = datasets.load_digits(n_class=6)
df = data.data
hue = data.target.astype('str')
hyp.plot(df, '.', reduce='UMAP', hue=hue, ndims=2)

5、Animated Plots

ani = hyp.load('weights_avg') 
ani.plot(animate=True, chemtrails=True)