Nuage de points 3D (Scatter Plot 3D)
Un nuage de points 3D est un outil de visualisation tridimensionnel qui représente des points de données par des coordonnées cartésiennes sur trois axes : X, Y et Z. Chaque point de données est marqué par un symbole dont la position est déterminée par les valeurs de trois variables.
Dernière révision
Point clé
Un nuage de points 3D est un outil de visualisation tridimensionnel qui représente des points de données par des coordonnées cartésiennes sur trois axes : X, Y et Z.
Sur cette page
Qu'est-ce qu'un nuage de points 3D ?
Un nuage de points 3D est un outil de visualisation tridimensionnel qui représente des points de données par des coordonnées cartésiennes sur trois axes : X, Y et Z. Chaque point de données est marqué par un symbole dont la position est déterminée par les valeurs de trois variables. Ce graphique prolonge le nuage de points 2D en ajoutant une troisième variable sur un axe vertical pour illustrer simultanément la relation entre trois variables. Les axes horizontaux représentent deux variables indépendantes, tandis que l'axe vertical représente la variable dépendante. Les nuages de points 3D sont particulièrement utiles en analyse exploratoire des données pour visualiser des relations complexes dans des données multidimensionnelles.
Quand utiliser un nuage de points 3D ?
Voici quelques situations où vous pouvez envisager d'utiliser un nuage de points 3D :
- Visualiser des données multivariées : si vous avez un jeu de données avec trois variables continues, un nuage de points 3D peut vous aider à comprendre comment ces variables interagissent. Il permet d'identifier des motifs, des regroupements ou des tendances qui peuvent ne pas apparaître dans des graphiques bidimensionnels.
- Explorer des données spatiales : un nuage de points 3D peut être particulièrement utile pour des données spatiales, telles que des données géographiques ou géospatiales. En traçant les points de données en trois dimensions, vous pouvez analyser les relations entre variables et mettre au jour des motifs ou des corrélations spatiales.
- Analyse de séries chronologiques : si vous avez un jeu de données dépendant du temps avec trois variables, un nuage de points 3D peut servir à examiner comment ces variables évoluent dans le temps. En traçant les données dans un espace tridimensionnel, vous pouvez observer l'évolution des variables et repérer les relations ou motifs qui émergent.
- Regroupement de données (clustering) : un nuage de points 3D peut servir à visualiser des groupes au sein de vos données. Si vous disposez d'un algorithme de clustering qui affecte les points de données à des groupes d'après trois variables, un nuage de points 3D peut vous aider à comprendre la distribution spatiale des groupes et à évaluer leur séparabilité.
- Comparer plusieurs jeux de données : si vous avez plusieurs jeux de données de trois variables chacun, un nuage de points 3D peut servir à les comparer et à les opposer. En traçant les données de différents jeux dans le même espace 3D, vous pouvez analyser visuellement les similitudes, les différences ou les relations entre les variables.
Recommandations pour bien utiliser le nuage de points 3D
- Utilisez un effectif d'échantillon moyen à grand pour une représentation efficace des données.
- Des échantillons plus grands aident à faire apparaître plus clairement les motifs dans les données.
- Sélectionnez les données de l'échantillon au hasard pour garantir la validité statistique.
- Les échantillons aléatoires servent à faire des inférences sur une population.
- Des données collectées de façon non aléatoire peuvent ne pas représenter fidèlement la population.
Alternatives : quand ne pas utiliser le nuage de points 3D
- Carte thermique (heatmap): si vous avez un grand jeu de données et voulez visualiser la densité ou la distribution des données selon trois dimensions, une carte thermique peut être une bonne option. Elle utilise l'intensité de la couleur pour représenter les valeurs de la troisième variable, une intensité plus forte indiquant des valeurs plus élevées. Cela permet une évaluation visuelle rapide de la distribution et des motifs dans les données.
Exemple de nuage de points 3D
L'objectif d'un spécialiste en sciences alimentaires est de trouver la meilleure combinaison de durée et de température pour chauffer un plat surgelé. Pour cela, il mène une expérience en préparant 14 échantillons à différentes durées et températures. Un panel de dégustateurs professionnels évalue chaque échantillon et attribue des notes fondées sur la qualité globale. Pour analyser les données, le spécialiste utilise un nuage de points 3D afin de visualiser et d'examiner les résultats. Voici les étapes :
- Rassembler les données nécessaires.

- Analysez ensuite les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
- Pour trouver Scatter Plot 3D, choisissez Statistical module> Graphical analysis >3D scatterplot.
- Dans l'outil, saisissez les données et les autres entrées comme suit :
- Après avoir utilisé l'outil ci-dessus, vous obtenez les résultats suivants :


Comment établir un nuage de points 3D
La marche à suivre est la suivante :
- Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
- Sur la page d'accueil, choisissez Statistical Tool> Graphical analysis > 3D scatterplot.
- Cliquez sur 3D scatterplot pour accéder au tableau de bord.
- Ensuite, mettez à jour les données manuellement, ou copiez-les (Ctrl+C) depuis une feuille Excel et collez-les (Ctrl+V), ou encore utilisez l'option Load Example pour charger les données d'exemple.
- Ensuite, associez les colonnes aux paramètres.
- Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.
Dans le tableau de bord de Scatter Plot 3D, la fenêtre est divisée en deux parties.

Dans la partie gauche se trouve le Data Pane (volet de données). Dans le Data Pane, chaque ligne constitue un sous-groupe. Les données peuvent être saisies manuellement, ou copiées (Ctrl+C) depuis une feuille Excel puis collées (Ctrl+V) ici.
Load example : des données d'exemple sont chargées.
Load File : sert à charger directement les données Excel.
Dans la partie droite, il suffit de renseigner :
Le choix des axes X, Y et Z d'un nuage de points 3D dépend de la nature des données et des relations spécifiques que vous voulez explorer.
Dependent Variable (Z-axis) : c'est souvent la variable de résultat ou de réponse.
Independent Variables (X and Y axes) : choisissez deux variables qui ont le plus d'influence sur la variable dépendante. Ce sont les variables prédictives ou explicatives.
Categories based on column : sert à différencier les points de données selon leur appartenance à une catégorie. Cela peut ajouter une couche d'information au graphique et vous permet de voir comment les différentes catégories de points de données se répartissent dans l'espace tridimensionnel.
Symbol based column : l'affiche sous forme de symboles.
Discrete color sequence : une séquence de couleurs discrète désigne un ensemble de couleurs distinctes servant à différencier des points de données catégoriels dans un graphique, comme un nuage de points 2D. Cette approche est particulièrement utile pour visualiser des données comportant plusieurs catégories ou groupes, car elle permet de distinguer ces groupes clairement et immédiatement.
Color scale : permet de mieux visualiser les motifs des données et de mettre en évidence des plages de valeurs précises.
Download as Excel : affiche le résultat au format Excel ; il peut être facilement modifié puis rechargé pour de nouveaux calculs avec l'option Load File.
Questions fréquentes
Qu'est-ce qu'un nuage de points 3D ?
Un nuage de points 3D montre des points de données par des coordonnées cartésiennes sur trois axes, X, Y et Z, chaque point étant placé selon les valeurs de trois variables. Il prolonge le nuage de points 2D en ajoutant une troisième variable, généralement avec deux variables indépendantes sur les axes horizontaux et la variable dépendante sur l'axe vertical.
Quand utiliser un nuage de points 3D ?
Utilisez un nuage de points 3D lorsque vous avez trois variables continues et voulez voir comment elles interagissent, trouver des motifs, des regroupements ou des tendances invisibles en deux dimensions, explorer des données spatiales, examiner des données dépendant du temps avec trois variables, vérifier la séparation de groupes, ou comparer plusieurs jeux de données partageant les mêmes trois variables.
Quelles variables placer sur les axes X, Y et Z ?
Placez la variable de résultat ou de réponse sur l'axe Z, comme variable dépendante. Utilisez les axes X et Y pour les deux variables indépendantes, c'est-à-dire les variables prédictives ou explicatives supposées avoir le plus d'influence sur la réponse. Une colonne de catégories peut être ajoutée pour colorer les points selon leur appartenance à un groupe.
Quelle est l'alternative à un nuage de points 3D ?
Pour un grand jeu de données dont vous voulez voir la densité ou la distribution selon trois dimensions, une carte thermique peut être une bonne option. Elle utilise l'intensité de la couleur pour représenter les valeurs de la troisième variable, ce qui donne une évaluation visuelle rapide de la distribution et des motifs dans les données.
