python三维数据降到二维

将三维数据降到二维有多种方法，以下是其中两种：

1. 主成分分析（PCA）：PCA是一种常用的数据降维方法，可以将高维数据映射到低维空间中。在Python中，可以使用sklearn库中的PCA函数实现。具体步骤如下：

from sklearn.decomposition import PCA
import numpy as np

# 生成3维数据
data = np.random.rand(100, 3)

# 实例化PCA对象，指定要降到的维度
pca = PCA(n_components=2)

# 将数据降到2维
new_data = pca.fit_transform(data)

2. t-SNE：t-SNE是一种流形学习算法，可以将高维数据映射到低维空间中。在Python中，可以使用sklearn库中的TSNE函数实现。具体步骤如下：

from sklearn.manifold import TSNE
import numpy as np

# 生成3维数据
data = np.random.rand(100, 3)

# 实例化TSNE对象，指定要降到的维度
tsne = TSNE(n_components=2)

# 将数据降到2维
new_data = tsne.fit_transform(data)

这两种方法都可以将三维数据降到二维，但是它们的原理和效果略有不同。在具体使用时，需要根据实际情况选择合适的方法。