在本文中，我们提出并实现了一种在3D空间中的多层可视化技术，称为多维数据多层可视化（MLMD）及其相应的交互技术，用于可视化多维数据。 将基于点的图的图层堆叠并连接到虚拟可视化多维数据集中，以比较不同的尺寸设置。 从侧面看，图层本质上形成平行坐标图。 MLMD紧凑地集成了基于点的图和平行坐标，以便一次显示更多信息，以帮助进行数据调查。 设计了用于方便操作的MLMD方法的相关用户交互。 通过使用MLMD及其匹配的交互技术，可以实现正确的尺寸设置和深入的数据感知。

劳埃德算法 该软件包提供Lloyd算法的Python实现，可用于在空间中分布点。 使用此算法，可以在二维空间内稍微重新排列点，以最大程度地减少重叠点的数量，同时保留整体点的分布，从而可以大大提高数据可视化的可用性。 背景 是一种在空间中分布点的算法。 在每次迭代期间，该算法都会构建一个，该将每个点放置在不同的单元格中，然后将每个点置于其单元格的中心。 通过运行算法的几次迭代，可以在空间中越来越均匀地分布点。 下图显示了劳埃德算法如何在空间中分配点： 用法 该软件包可以通过pip安装： pip install lloyd 安装软件包后，可以通过构建模型，在该模型上调用lloyd.relax(

这仍然是一项正在进行的工作。 试图获得一个基本版本，供人们开始尝试不同的数据集。 您可以找到示例。 自定义数据 修改 js/chart-progression.js 顶部的变量以匹配您的数据 使用要绘制图表的动态数据修改 data/data.csv 数据必须遵循以下格式： TIME,TYPE,SUBJECT_ID,VALUE TIME和VALUE是数字类型每个TYPE将是一个新图表SUBJECT_ID将点链接在一起 使用与上述相同的格式和标识符，使用静态数据修改 data/static.csv。 此数据中的VALUE没有数字 此数据不会被绘制成图表，而是作为右侧的过滤器存在 开发人员设置 如果您想运行 grunt（不是必需的），请使用以下。 安装节点 安装咕噜声npm install -g grunt-cli 导航到根目录 安装依赖npm install 运行 grunt 来设置

mlb_散点图 使用 D3.js 构建的动画散点图，显示了 1985 年至 2014 年美国职业棒球大联盟的工资单和球队出勤率。 作为 2014 年 10 月在密苏里大学 j-school 举办的 javascript/data vis 研讨会的课堂示例。