那天深夜，我在翻一个基因表达的数据集，密密麻麻 2000 多个特征，盯得眼睛发酸。随手跑了个聚类，想着画个 PCA 交差——出来的散点图糊成一团，什么都没说清楚。然后同事扔给我一句：“试试星座图吧。” 我愣了一下。星座图？那玩意儿，不就是小时候天文馆里发的星座盘吗？
结果一打开文档，整个人醒了过来。
星座图（Constellation Plot）是一种将高维空间中的点投射到二维平面上，并根据邻近关系连线、构造出类似星座形状的可视化方法。 它不是新东西，90 年代就有人提了，可是在动不动就谈 t-SNE、UMAP 的今天，它像个被遗忘的老抽屉——偶然拉开，却翻出意外好用的工具。
说穿了，它就是给每个数据点找一个“最近的邻居”，画一条边，再用某种力导向或优化算法把点甩到平面上。那些连起来的枝枝桠桠，真的，一眼看过去，就像猎户座的腰带，或者大熊的尾巴——难怪叫星座图。
第一次跑出来的图，我看了十分钟
不是开玩笑。那张图上有几条清晰的“触须”，还有几个孤岛一样的小团簇。我的样本是不同病人的细胞，那些触须恰好对应了疾病进展的几个阶段。原本用热图看，根本分不出这种渐变的路子。
这就是星座图最诡异也最迷人的地方：它能保留高维流形的局部结构，而且是以一种几乎直觉的方式呈现。 PCA 只抓全局方差，很多时候把局部关系抹平了。t-SNE 倒是局部好，可那个调参过程——说实话，比哄女朋友还难。星座图却不一样。你只要选好距离度量和权重，它就把“邻居”关系老老实实画出来。那些连线不是随便画的，它们代表数据点之间真实的高维邻近。有时候你会看到一条长长的“悬臂”，那其实是一串渐变的数据，像光谱一样过渡。
不过，别高兴太早。这张图也容易骗人。
调参三小时，只为一个满意的图形
我用的 R，包是 cluster 里自带的 clara.plot，后来又翻到一个叫 Constellation 的小众包。画第一张图只花了 5 分钟，可后来为了让图“能看”，我调了整整一个下午。核心就两个参数：距离度量（Euclidean、Manhattan 还是 Cosine） 和 邻居数量阈值（k 值）。k 太小，图会碎成一地鸡毛；k 太大，所有点都连在一起，像个毛线团。还有那个权重衰减函数——高斯核还是 t-分布？选错一个，得到的图形能让你怀疑人生。
有一回我忘了做特征标准化，图出来活像个八爪鱼炸了。这才发现，星座图对尺度极度敏感。说到底，它只是一个可视化工具，不能帮你做特征工程。得先把数据收拾干净：离群值剔除、缺失值填补、无信息变量过滤……这些脏活一样不少。
上图是我后来调好的一个版本，展示了某个电商用户分群的数据。你能看到几个明显的消费群体被不同的“星座”包裹，而那些边缘的用户像流星一样散在外面——市场部门看了直呼过瘾。
别把它当万能钥匙
有段时间我见人就推星座图，直到在一个时序数据上栽了跟头。数据是连续的时间点，星座图非但没展示出周期性，反而把因果律搅得稀烂。我琢磨了好久才明白：星座图的连线只反映相似度，不反映方向或因果。 它适合横截面、适合探索静态聚类，可一涉及到动态变化、演变轨迹，就显得力不从心了。
另外，密度高的区域，星座图会变成一坨巨大的星云，让你根本看不清内部结构。这时候也许需要交互式的工具，允许用户缩放、拖拽，或者结合其他降维方法做一个双向视图。可交互式的星座图——市面上几乎没有成品。只能用 D3.js 自己撸，那个学习曲线，啧啧。
如果你打算动手，我建议从 R 入手。上面这张是代码片段的截图，展示了如何加载数据、计算距离矩阵、调用 plot.constella 的过程。注意那个 linkage 参数，它决定了点是按单链接还是全链接来连边。这个小小的选择，能彻底改变图形的解读。
结尾扯个闲篇
前阵子我跟一个做天文数据的朋友聊天，他居然也在用星座图——不是看星星，而是给星系分类。他说，“这东西看着亲切，跟我们的星图天然像。” 我听完笑了。也许工具和人之间，是有缘分这种东西的。有些图给人冷冰冰的感觉，比如箱线图、相关系数矩阵；而星座图，不管你用它分析的是股票还是病毒，最后都变成一片可以凝视的夜空。
有空的话，翻出你手边最乱的一个数据集试试。别管什么统计显著，先画一张星座图出来。说不定，数据里藏着一个你从未注意到的星座形状。
