简介
上期我们说了气泡图。如果我们将气泡图的三维数据绘制到三维坐标系[1]中，通常称其为三维散点图，即用在三维X-Y-Z图上针对一个或多个数据序列绘出三个度量的一种图表。
有关散点图前几部分系列可见（可跳转）：
R 中scatterplot3d包的scatterplot3d()函数、rgl包的plot3d()[2]函数、plot3D包的scatter3D()函数等都可以绘制三维散点图。
下面将从两个包的两个函数（scatter3D(),plot3d()）入手，一步步带你完成三维散点图的绘制。本文内容丰富，希望大家都能学到自己想要的内容，学习不易，欢迎反馈建议。
本文框架
![JK)6[G{9Y@0]MG224[$)DG3.png](https://ucc.alicdn.com/pic/developer-ecology/a8c3ef14343c4a2ea580218c46567299.png?x-oss-process=image/resize,w_1400/format,webp "JK)6[G{9Y@0]MG224[$)DG3.png")
数据介绍
数据集鸢尾花数据（iris），具体变量的参相信大家再熟悉不过了，我这里就展示前几行数据：
plot3D包scatter3D()
scatter3D (x, y, z, ..., colvar = z, phi = 40, theta = 40, col = NULL, breaks = NULL, colkey = NULL, panel.first = NULL, clim = NULL, clab = NULL, bty = "b", CI = NULL, surf = NULL, add = FALSE, plot = TRUE)
简单绘制教程
先通过该函数进行一个简单三维散点图的构建：以Sepal.Length为x轴，Sepal.Width为y轴，Petal.Length为z轴。绘制箱子型box = TRUE;旋转角度为theta = 60, phi = 20;透视转换强度的值为3d=3;按照2D图绘制正常刻度ticktype = "detailed";散点图的颜色设置bg="#F57446"。
pmar <- par(mar = c(5.1, 4.1, 4.1, 6.1)) #改版画布版式大小 with(iris, scatter3D(x = Sepal.Length, y = Sepal.Width, z = Petal.Length, pch = 21, cex = 1.5,col="black",bg="#F57446", xlab = "Sepal.Length", ylab = "Sepal.Width", zlab = "Petal.Length", ticktype = "detailed",bty = "f",box = TRUE, theta = 60, phi = 20, d=3, colkey = FALSE) )
![))@ZZ~IZO[_9Z3]UKSSDT_Y.png](https://ucc.alicdn.com/pic/developer-ecology/62a97019b6b446198043583e7a32ea52.png?x-oss-process=image/resize,w_1400/format,webp "))@ZZ~IZO[_9Z3]UKSSDT_Y.png")
加入第四个变量
上图可以看出三者之间的关系，但是如果要加入第四个变量（Petal.Width）该怎么绘制到三维散点图中？
方法一:可以将变量
Petal.Width映射到数据点颜色中。该变量是连续性，如果想将数据按从小到大分成n类，则可以使用dplyr包中的ntile()函数，然后依次设置不同组的颜色bg=colormap[iris$quan]，并根据映射的数值添加图例颜色条（colkey()）。
这里我们将第四个变量划分成6类，使用颜色条图例进行展示。
library(tidyverse) iris = iris %>% mutate(quan = ntile(Petal.Width,6)) colormap <- colorRampPalette(rev(brewer.pal(11,'RdYlGn')))(6)#legend颜色配置 pmar <- par(mar = c(5.1, 4.1, 4.1, 6.1)) # 绘图 with(iris, scatter3D(x = Sepal.Length, y = Sepal.Width, z = Petal.Length,pch = 21, cex = 1.5,col="black",bg=colormap[iris$quan], xlab = "Sepal.Length", ylab = "Sepal.Width", zlab = "Petal.Length", ticktype = "detailed",bty = "f",box = TRUE, theta = 60, phi = 20, d=3, colkey = FALSE) ) colkey (col=colormap,clim=range(iris$quan),clab = "Petal.Width", add=TRUE, length=0.4,side = 4)
方法二:将第四维数据映射到数据点的大小上(
cex = rescale(iris$quan, c(.5, 4)))这里我还“得寸进尺”的将颜色也来反应第四维变量，当然你也可以用颜色反应第五维变量。
pmar <- par(mar = c(5.1, 4.1, 4.1, 6.1)) with(iris, scatter3D(x = Sepal.Length, y = Sepal.Width, z = Petal.Length,pch = 21, cex = rescale(iris$quan, c(.5, 4)),col="black",bg=colormap[iris$quan], xlab = "Sepal.Length", ylab = "Sepal.Width", zlab = "Petal.Length", ticktype = "detailed",bty = "f",box = TRUE, theta = 30, phi = 15, d=2, colkey = FALSE) ) breaks =1:6 legend("right",title = "Weight",legend=breaks,pch=21, pt.cex=rescale(breaks, c(.5, 4)),y.intersp=1.6, pt.bg = colormap[1:6],bg="white",bty="n")
同理，我们绘制出以鸢尾花不同类别作为第四个变量的三维散点图。通过该图可以清晰看到不同类别的鸢尾花特征非常不同。
library(wesanderson) pmar <- par(mar = c(5.1, 4.1, 4.1, 7.1)) colors0 <- wes_palette(n=3, name="Darjeeling1") colors <- colors0[as.numeric(iris$Species)] with(iris, scatter3D(x = Sepal.Length, y = Sepal.Width, z = Petal.Length, #bgvar = mag, pch = 21, cex = 1.5,col="black",bg=colors, xlab = "longitude", ylab = "latitude", zlab = "depth, km", ticktype = "detailed",bty = "f",box = TRUE, #panel.first = panelfirst, theta = 140, phi = 20, d=3, colkey = FALSE)#list(length = 0.5, width = 0.5, cex.clab = 0.75)) ) legend("right",title = "Species",legend=c("setosa", "versicolor", "virginica"),pch=21, cex=1,y.intersp=1,pt.bg = colors0,bg="white",bty="n")
rgl包 plot3d()
接下来看看另一个包—rgl包[3]。函数及其参数如下：
plot3d(x, y, z, xlab, ylab, zlab, type = "p", col, size, lwd, radius, add = FALSE, aspect = !add, xlim = NULL, ylim = NULL, zlim = NULL, forceClipregion = FALSE, ...)
简单绘制
library(rgl) #数据 mycolors <- c('royalblue1', 'darkcyan', 'oldlace') iris$color <- mycolors[ as.numeric(iris$Species) ] #绘制 plot3d( x=iris$`Sepal.Length`, y=iris$`Sepal.Width`, z=iris$`Petal.Length`, col = iris$color, type = 's', radius = .1, xlab="Sepal Length", ylab="Sepal Width", zlab="Petal Length")
可使用：writeWebGL( filename="3dscatter.html" , width=600, height=600)将其进行保存html格式或者其他格式。然后打开这个html，可以进行互动。
![ZFQR$8OWKX]4M)UB_O1C%VP.png](https://ucc.alicdn.com/pic/developer-ecology/1ee86a6922ad49078564412910b1f1e3.png?x-oss-process=image/resize,w_1400/format,webp "ZFQR$8OWKX]4M)UB_O1C%VP.png")
动态3D图
rgl包还提供了plot3d()和play3d()函数，允许将3d图表动画化，并最终以.gif格式导出结果，具体可看Animated 3d chart with R.[4]
流程：先构建静态图
plot3d()，然后用play3d()进行坐标轴旋转50次duration = 50，最后使用movie3d()进行动图保存。
library(rgl) library(magick) colors <- c("royalblue1", "darkcyan", "oldlace") iris$color <- colors[ as.numeric( as.factor(iris$Species) ) ] #静态图 plot3d( iris[,1], iris[,2], iris[,3], col = iris$color, type = "s", radius = .2 ) #动态图 play3d( spin3d( axis = c(0, 0, 1), rpm = 20), duration = 50 #保存动态图 movie3d( movie="3dAnimatedScatterplot", spin3d( axis = c(0, 0, 1), rpm = 7), duration = 10, dir = "~/Desktop", type = "gif", clean = TRUE )
