Python绘制平行坐标图：Pandas与Plotly实战指南

陆遥

发布时间：2026-10-13| 5人浏览过

原创

本文详解如何在Python中利用Pandas和Plotly库绘制平行坐标图以解决高维数据可视化难题。通过对比共用Y轴与独立Y轴两种模式，结合Iris鸢尾花数据集示例，展示从基础绘图到交互式高级可视化的完整实现过程，帮助开发者掌握高维变量关系的直观表达技巧。

平行坐标图基本概念

平行坐标图简介

当数据维度超过三维时，传统可视化手段往往难以有效呈现。为解决高维数据的可视化挑战，平行坐标图成为一种常用方案。根据百度百科的解释，平行坐标图旨在克服笛卡尔直角坐标系在表达三维以上数据时空间耗尽的局限。它将高维数据的各个变量映射为一系列相互平行的坐标轴，变量值则对应显示在各自轴上的位置。为了直观反映变化趋势及变量间的相互关系，通常将描述不同变量的各点连接成折线。因此，平行坐标图的本质是将m维欧式空间中的一个点Xi(xi1,xi2,...,xim)映射到二维平面上的一条曲线。在N条平行线（通常竖直且等距）的背景下，高维空间中的一个点可表示为一条在N条平行坐标轴上具有拐点的折线，其在第K个坐标轴上的位置即代表该点在第K维的值。

绘制平行坐标图

本文主要介绍两种利用Python绘制平行坐标图的方法，分别是利用pandas包绘制和利用plotly包绘制(默认已安装pandas包和plotly包)。

基于Pandas的基础绘图实现

利用pandas实现平行坐标图的绘制


import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
from pandas.plotting import parallel_coordinates
 
data = sns.load_dataset('iris')
 
fig,axes = plt.subplots()
parallel_coordinates(data,'species',ax=axes)
fig.savefig('parallel.png')

绘制的平行坐标图如下所示：

从上图可以看到x轴上变量共用一个y坐标轴，此时因sepal_length、sepal_width、petal_length以及petal_width这四个变量的值得范围相近，利用这种方式作出的共用y轴的平行坐标图有着很好的可视化效果；但假如sepal_length、sepal_width、petal_length以及petal_width这些变量的值的范围相差较大时，这种共用y轴的平行坐标图就不再适用，此时我们需要的是y轴独立的平行坐标图。下面介绍的另一种方法实现的就是y轴独立的平行坐标图。

基于Plotly的高级交互式绘图

利用plotly实现平行坐标图的绘制

plotly绘图有两种模式，一种是online模式，另一种是offline模式。本文使用的是offline模式，且是在jupyter notebook中进行绘图。

首先熟悉一下plotly的绘图方式：


import plotly as py
import plotly.graph_objs as go
py.offline.init_notebook_mode(connected=True) # 初始化设置
 
py.offline.iplot({
 "data": [go.Parcoords(
  line = dict(color = 'blue'),
  dimensions = list([
   dict(range = [1,5],
     constraintrange = [1,2],
     label = 'A', values = [1,4]),
   dict(range = [1.5,5],
     tickvals = [1.5,3,4.5],
     label = 'B', values = [3,1.5]),
   dict(range = [1,5],
     tickvals = [1,2,4,5],
     label = 'C', values = [2,4],
     ticktext = ['text 1', 'text 2', 'text 3', 'text 4']),
   dict(range = [1,5],
     label = 'D', values = [4,2])
  ])
 )],
 "layout": go.Layout(title="My first parallel coordinates")
})

绘制图形如下所示：

绘制鸢尾花数据的平行坐标图：


df = sns.load_dataset('iris')
df['species_id'] = df['species'].map({'setosa':1,'versicolor':2,'virginica':3}) #用于颜色映射
 
py.offline.iplot({
 "data": [go.Parcoords(
  line = dict(color = df['species_id'],
     colorscale = [[0,'#D7C16B'],[0.5,'#23D8C3'],[1,'#F3F10F']]),
  dimensions = list([
   dict(range = [2,8],
    constraintrange = [4,8],
    label = 'Sepal Length', values = df['sepal_length']),
   dict(range = [1,6],
    label = 'Sepal Width', values = df['sepal_width']),
   dict(range = [0,8],
    label = 'Petal Length', values = df['petal_length']),
   dict(range = [0,4],
    label = 'Petal Width', values = df['petal_width'])
  ])
 )],
 "layout": go.Layout(title='Iris parallel coordinates plot')
})

绘制的图形如下所示：