Jupyter中Python代码无法显示3D聚类图问题求助

核心问题1：重复使用同一特征作为两个坐标轴 #

你代码里的3D散点图调用：

ax.scatter(X[:, 0], X[:, 4], X[:, 4], c=asignar,s=10)
ax.scatter(C[:, 0], C[:, 4], C[:, 4], marker='*', c=colores, s=10)

这里y轴和z轴用的是同一个特征（X[:,4]），所有点都会落在y=z的平面上。如果Jupyter的3D图初始视角刚好正对这个平面，就会显示成空白。

解决：把z轴换成数据集里的另一个不同特征，比如X[:,1]或其他列，示例：

ax.scatter(X[:, 0], X[:, 4], X[:, 1], c=asignar,s=10)
ax.scatter(C[:, 0], C[:, 4], C[:, 1], marker='*', c=colores, s=10)

核心问题2：缺少显式的图像渲染指令 #

虽然Jupyter部分环境会自动渲染图像，但添加plt.show()能确保图像正常显示，尤其是在%matplotlib notebook模式下。在绘图代码末尾加上：

plt.show()

可选优化：更新3D轴的创建方式 #

新版本matplotlib推荐用add_subplot创建3D轴，替代旧的Axes3D(fig)写法，避免兼容性问题：

fig = plt.figure()
ax = fig.add_subplot(projection='3d')  # 替换原来的ax = Axes3D(fig)

额外排查步骤 #

• 检查数据范围：运行print(pd.DataFrame(X).describe())，确认各特征的数值范围是否差异过大（比如某列数值是其他列的1000倍），如果是，先对数据做标准化（from sklearn.preprocessing import StandardScaler; X = StandardScaler().fit_transform(X)）再绘图。
• 切换绘图后端：如果%matplotlib notebook还是有问题，可以尝试换成%matplotlib inline（静态图）或%matplotlib widget（交互式，部分环境支持）。

内容的提问来源于stack exchange，提问作者Another.Chemist