基于Pandas DataFrame的3D成绩相关性可视化需求（标记大小映射人数）

步骤1：预处理数据，统计成绩组合的人数 #

先统计每个（数学、科学、英语）成绩组合的出现次数，这是后续标记大小的核心依据：

import pandas as pd
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 初始化数据
data = [[1, 2, 3], [2, 2, 3], [1, 1, 2], [2, 2, 2], [2, 3, 2], [2, 3, 3], [1, 1, 1], [3, 3, 3], [3, 3, 2], [1, 2, 1], [1, 3, 1], [3, 1, 3], [2, 1, 2], [3, 3, 3], [2, 2, 2], [3, 2, 1], [3, 2, 2], [2, 2, 1], [1, 1, 3], [1, 3, 2], [1, 2, 3]]
df = pd.DataFrame(data, columns=['Math', 'Science', 'English'])

# 统计每个成绩组合的人数N
grouped_df = df.groupby(['Math', 'Science', 'English']).size().reset_index(name='N')

方案1：科目作为X/Y/Z轴，成绩等级为坐标值 #

直接将三个科目对应3D坐标系的X、Y、Z轴，每个点的坐标是该成绩组合的三科等级，标记大小由组合人数N决定，颜色可按单科目成绩或三科综合成绩编码：

# 创建3D绘图对象
fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111, projection='3d')

# 提取坐标和参数
x = grouped_df['Math']
y = grouped_df['Science']
z = grouped_df['English']
n = grouped_df['N']
# 用数学成绩作为颜色编码依据，也可替换为Science或三科平均分
color = grouped_df['Math']

# 绘制3D散点图：s控制标记大小，c控制颜色，alpha调整透明度
scatter = ax.scatter(x, y, z, s=n*150, c=color, cmap='coolwarm', alpha=0.7, edgecolors='black')

# 设置坐标轴标签和标题
ax.set_xlabel('Math Grade')
ax.set_ylabel('Science Grade')
ax.set_zlabel('English Grade')
ax.set_title('3D Distribution of Student Grade Combinations')

# 添加颜色条说明颜色对应关系
plt.colorbar(scatter, label='Math Grade (1=Poor, 2=Average, 3=Good)')

# 固定坐标轴刻度为成绩等级
ax.set_xticks([1,2,3])
ax.set_yticks([1,2,3])
ax.set_zticks([1,2,3])

plt.show()

效果说明：每个点代表一种成绩组合，点越大说明该组合的学生越多；颜色直观反映数学成绩高低，可灵活替换为其他科目或三科平均分的颜色映射。

方案2：成绩等级作为X/Y/Z轴，科目作为分组维度 #

将成绩等级（1/2/3）设为坐标轴，每个坐标轴对应一个科目，点的位置表示某科目在该等级的人数，标记大小对应人数，颜色区分科目：

# 统计每个科目各成绩等级的人数
subject_grade_counts = []
for subject in ['Math', 'Science', 'English']:
    counts = df[subject].value_counts().reset_index()
    counts.columns = ['Grade', 'N']
    counts['Subject'] = subject
    subject_grade_counts.append(counts)
subject_df = pd.concat(subject_grade_counts)

# 映射科目到坐标值（用于区分不同科目的点位置）
subject_map = {'Math': 1, 'Science': 2, 'English': 3}
subject_df['Axis'] = subject_df['Subject'].map(subject_map)

# 创建3D绘图对象
fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111, projection='3d')

# 按科目分组绘图
colors = {'Math': 'red', 'Science': 'green', 'English': 'blue'}
for subject in subject_map.keys():
    subset = subject_df[subject_df['Subject'] == subject]
    ax.scatter(subset['Grade'], subset['Axis'], subset['Grade'], 
               s=subset['N']*200, c=colors[subject], 
               label=subject, alpha=0.7, edgecolors='black')

# 设置坐标轴标签和标题
ax.set_xlabel('Grade Level (1=Poor, 2=Average, 3=Good)')
ax.set_ylabel('Subject')
ax.set_zlabel('Grade Level')
ax.set_title('3D Distribution of Grade Counts by Subject')

# 配置刻度和图例
ax.set_xticks([1,2,3])
ax.set_yticks([1,2,3])
ax.set_zticks([1,2,3])
ax.set_yticklabels(['Math', 'Science', 'English'])
ax.legend()

plt.show()

效果说明：每个点代表某科目在特定成绩等级的人数，点越大说明该科目该等级的学生越多；颜色直接区分不同科目，可直观对比同一成绩等级下不同科目的人数分布，或同一科目不同成绩等级的人数差异。

关键细节调整 #

• 标记大小的系数（如n*150）可根据显示效果灵活调整，避免点过大或过小。
• 颜色编码可扩展：比如用三科成绩的组合作为分类变量，通过pd.Categorical生成自定义颜色映射；或用成绩等级的综合评分作为连续颜色值。
• 若需要交互功能（如悬停显示详细信息），可改用plotly库的3D散点图实现。

内容的提问来源于stack exchange，提问作者Serena