산점도 3D(3D Scatter Plot)

3D 산점도는 X, Y, Z 세 축의 직교 좌표로 데이터 점을 나타내는 3차원 데이터 시각화 도구입니다. 각 데이터 점은 세 변수의 값으로 위치가 정해지는 기호로 표시됩니다.

최종 검토

핵심 요점

3D 산점도는 X, Y, Z 세 축의 직교 좌표로 데이터 점을 나타내는 3차원 데이터 시각화 도구입니다.

이 페이지 내용
  1. 산점도 3D란?
  2. 산점도 3D는 언제 사용합니까?
  3. 산점도 3D의 올바른 사용 지침
  4. 대안: 산점도 3D를 사용하지 않아야 할 때
  5. 산점도 3D 예제
  6. 산점도 3D 방법

산점도 3D란?

3D 산점도는 X, Y, Z 세 축의 직교 좌표로 데이터 점을 나타내는 3차원 데이터 시각화 도구입니다. 각 데이터 점은 세 변수의 값으로 위치가 정해지는 기호로 표시됩니다. 이 그림은 2D 산점도의 확장으로, 세로축에 세 번째 변수를 추가하여 세 변수 간의 관계를 동시에 보여 줍니다. 가로축은 두 독립 변수를, 세로축은 종속 변수를 나타냅니다. 3D 산점도는 탐색적 데이터 분석에서 다차원 데이터의 복잡한 관계를 시각화하는 데 특히 유용합니다.

산점도 3D는 언제 사용합니까?

산점도 3D를 사용하는 것을 고려할 수 있는 시나리오는 다음과 같습니다.

  • 다변량 데이터 시각화: 연속형 변수 세 개가 있는 데이터셋에서 산점도 3D는 이 변수들이 서로 어떻게 상호작용하는지 이해하는 데 도움이 됩니다. 2차원 그림에서는 드러나지 않을 수 있는 패턴, 군집 또는 추세를 식별할 수 있습니다.
  • 공간 데이터 탐색: 산점도 3D는 지리 데이터나 지리공간 데이터와 같은 공간 데이터를 다룰 때 특히 유용할 수 있습니다. 데이터 점을 3차원으로 표시하면 변수 간의 관계를 분석하고 공간적 패턴이나 상관을 찾아낼 수 있습니다.
  • 시계열 분석: 변수가 세 개인 시간 종속 데이터셋이 있다면 산점도 3D로 이 변수들이 시간에 따라 어떻게 변하는지 살펴볼 수 있습니다. 데이터를 3차원 공간에 표시하면 변수의 변화를 관찰하고 나타나는 관계나 패턴을 식별할 수 있습니다.
  • 데이터 군집화: 산점도 3D를 사용하여 데이터 내의 군집 또는 집단을 시각화할 수 있습니다. 세 변수를 기반으로 데이터 점을 군집에 할당하는 군집화 알고리즘이 있다면, 3D 산점도는 군집의 공간 분포를 이해하고 그 분리 가능성을 평가하는 데 도움이 됩니다.
  • 여러 데이터셋 비교: 각각 세 개의 변수를 가진 여러 데이터셋이 있다면 산점도 3D로 이를 비교하고 대조할 수 있습니다. 서로 다른 데이터셋의 데이터를 같은 3D 공간에 표시하면 변수 간의 유사점, 차이점 또는 관계를 시각적으로 분석할 수 있습니다.

산점도 3D의 올바른 사용 지침

  • 데이터를 효과적으로 나타내려면 중간 크기에서 큰 표본 크기를 사용하십시오.
  • 표본이 클수록 데이터의 패턴이 더 명확하게 드러납니다.
  • 통계적 타당성을 확보하려면 표본 데이터를 무작위로 선택하십시오.
  • 무작위 표본은 모집단에 대한 추론을 하는 데 사용됩니다.
  • 무작위가 아니게 수집한 데이터는 모집단을 정확히 대표하지 못할 수 있습니다.

대안: 산점도 3D를 사용하지 않아야 할 때

  • 히트맵: 대규모 데이터셋이 있고 세 차원에 걸친 데이터의 밀도나 분포를 시각화하려는 경우 히트맵이 좋은 선택일 수 있습니다. 히트맵은 색의 강도로 세 번째 변수의 값을 나타내며, 강도가 높을수록 값이 큽니다. 이를 통해 데이터의 분포와 패턴을 빠르게 시각적으로 평가할 수 있습니다.

산점도 3D 예제

한 식품 과학자의 목표는 냉동 식사를 가열하는 최적의 시간과 온도 조합을 찾는 것입니다. 이를 위해 과학자는 서로 다른 시간과 온도에서 시료 14개를 준비하여 실험을 수행합니다. 전문 식품 시식 패널이 각 시료를 평가하여 전반적인 품질에 대한 평점을 제공합니다. 데이터를 분석하기 위해 과학자는 3D 산점도로 결과를 시각화하고 살펴봅니다. 단계는 다음과 같습니다.

  1. 필요한 데이터를 준비했습니다.
Scatter Plot 3D — figure 1
  1. 이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
  2. 산점도 3D를 찾으려면 Statistical module> Graphical analysis >3D scatterplot을 선택합니다.
  3. 도구에서 다른 입력값과 함께 데이터를 다음과 같이 입력합니다.
  4. 위 도구를 사용하면 다음과 같은 출력이 나옵니다.
Scatter Plot 3D — figure 2Scatter Plot 3D — figure 3

산점도 3D 방법

절차는 다음과 같습니다.

  1. Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
  2. 홈 페이지에서 Statistical Tool> Graphical analysis > 3D scatterplot을 선택합니다.
  3. 이어서 3D scatterplot을 클릭하여 도구 화면으로 이동합니다.
  4. 다음으로, 데이터를 직접 수정하거나 Excel 시트에서 데이터를 통째로 복사(Ctrl+C)하여 붙여넣기(Ctrl+V)합니다. 또는 Load Example 옵션을 사용하면 예제 데이터가 로드됩니다.
  5. 다음으로, 열을 매개변수에 매핑해야 합니다.
  6. 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.

산점도 3D의 도구 화면은 창이 두 부분으로 나뉩니다.

Scatter Plot 3D — figure 4

왼쪽 부분에는 데이터 창(Data Pane)이 있습니다. 데이터 창에서는 각 행이 하나의 부분군을 이룹니다. 데이터를 직접 입력하거나 Excel 시트에서 데이터를 통째로 복사(Ctrl+C)하여 여기에 붙여넣기(Ctrl+V)할 수 있습니다.

Load example: 예제 데이터가 로드됩니다.

Load File: Excel 데이터를 직접 로드하는 데 사용합니다.

오른쪽 부분에는 다음만 지정하면 됩니다.

3D 산점도의 X, Y, Z축은 데이터의 성격과 탐색하려는 특정 관계에 따라 달라집니다.

Dependent Variable (Z-axis): 흔히 결과 또는 반응 변수입니다.

Independent Variables (X and Y axes): 종속 변수에 가장 큰 영향을 주는 두 변수를 선택합니다. 이들은 예측 변수 또는 설명 변수입니다.

Categories based on column: 범주 소속에 따라 데이터 점을 구별하는 데 사용합니다. 그림에 정보의 층을 하나 더 추가하여, 서로 다른 범주의 데이터 점이 3차원 공간에 어떻게 분포하는지 볼 수 있습니다.

Symbol based column: 기호 형태로 표시합니다.

Discrete color sequence: 이산 색 순서는 2D 산점도 같은 그림에서 범주형 데이터 점을 구별하는 데 사용하는 서로 다른 색의 집합을 말합니다. 이 방식은 여러 범주 또는 집단이 있는 데이터를 시각화할 때 특히 유용하며, 집단 간을 명확하고 즉각적으로 구별할 수 있게 합니다.

Color scale: 데이터 패턴을 더 잘 시각화하고 특정 값 범위를 강조할 수 있게 합니다.

Download as Excel: 결과를 Excel 형식으로 표시하며, 쉽게 편집하고 load file 옵션으로 다시 로드하여 계산할 수 있습니다.

자주 묻는 질문

3D 산점도란 무엇입니까?

3D 산점도는 X, Y, Z 세 축의 직교 좌표로 데이터 점을 나타내며, 각 점은 세 변수의 값으로 위치가 정해집니다. 2D 산점도에 세 번째 변수를 추가한 것으로, 보통 가로축에 두 독립 변수를, 세로축에 종속 변수를 둡니다.

3D 산점도는 언제 사용해야 합니까?

연속형 변수가 세 개 있고 이들이 어떻게 상호작용하는지 보거나, 2차원에서는 보이지 않는 패턴, 군집 또는 추세를 찾거나, 공간 데이터를 탐색하거나, 세 변수가 있는 시간 종속 데이터를 살펴보거나, 군집의 분리를 확인하거나, 같은 세 변수를 공유하는 여러 데이터셋을 비교하려 할 때 3D 산점도를 사용합니다.

X, Y, Z축에는 어떤 변수를 놓습니까?

결과 또는 반응 변수를 종속 변수로 Z축에 놓습니다. X축과 Y축에는 반응에 가장 큰 영향을 준다고 생각되는 두 독립 변수, 즉 예측 변수 또는 설명 변수를 사용합니다. 범주 열을 추가하면 집단 소속에 따라 점의 색을 구분할 수 있습니다.

3D 산점도의 대안은 무엇입니까?

세 차원에 걸친 데이터의 밀도나 분포를 보려는 대규모 데이터셋에는 히트맵이 좋은 선택일 수 있습니다. 히트맵은 색의 강도로 세 번째 변수의 값을 나타내어 데이터의 분포와 패턴을 빠르게 시각적으로 평가할 수 있게 합니다.