在Python中绘制多维向量

Question

我有一个矩阵，里面有N个用户和K个项目。我想在Python中绘制这个矩阵，把每一行当作一个有多个坐标的向量。比如说，简单的点图需要X,Y。而我的向量有K个坐标，我想把这N个向量都绘制成点，这样我就能看到它们之间的相似性。有没有人能帮我一下？

更新：

#Matrix M shape = (944, 1683)
plt.figure()
plt.imshow(M, interpolation='nearest', cmap=plt.cm.ocean)
plt.colorbar()
plt.show()

但是这样得到的结果是：

我想要的效果是这样的：

Answer 1

从这个问题来看，我不太确定我的回答是否合适，但我尽量猜测一下。我认为deltascience是在问，如何将多维向量一般性地绘制到二维空间中，就像散点图那样。我觉得最好的答案是，通常会使用某种降维算法。换句话说，你不是通过找到合适的matplotlib代码来实现这个，而是要把你的数据整理成合适的格式（一个列表用于X轴，另一个列表用于Y轴），然后再用常规的matplotlib方法来绘制：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA

M = np.random.rand(944, 1683)

pca = PCA(n_components=2)
reduced = pca.fit_transform(M)

# We need a 2 x 944 array, not 944 by 2 (all X coordinates in one list)
t = reduced.transpose()

plt.scatter(t[0], t[1])
plt.show()

这里有一些相关的链接：

https://stats.stackexchange.com/questions/63589/how-to-project-high-dimensional-space-into-a-two-dimensional-plane

http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html

https://towardsdatascience.com/the-art-of-effective-visualization-of-multi-dimensional-data-6c7202990c57

https://www.evl.uic.edu/documents/etemadpour_choosingvisualization_springer2016.pdf

2019年7月补充：当时我没有想到，另一种人们常用来可视化多维数据的方法是网络可视化。在这个上下文中，每个多维数组可以看作一个节点，而边的权重可以是两个节点之间的余弦相似度或欧几里得距离。Python中的Networkx提供了一些非常不错的可视化选项。