拟合4D数据的渐变曲面

Question

我努力寻找绘制梯度4D表面数据的解决方案。

我的测试数据：

import pandas as pd
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

data_dic = {
    "ad_cliks": [68, 74, 95, 79, 71, 72],
    "Desktop": [1.06412, 0.92757, 0.76789, 0.89747, 0.96873, 0.92210],
    "Mobile": [1.04412, 0.94757, 0.72789, 0.86747, 0.91873, 0.96210],
    "Tablet": [1.01412, 0.91757, 0.75789, 0.90747, 0.90873, 0.97210]
}

df = pd.DataFrame(data_dic)

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
img = ax.scatter(df['Desktop'], df['Mobile'], df['Tablet'], c=df['ad_cliks'], marker='o', cmap=plt.cm.winter))
ax.set_xlabel('Desktop')
ax.set_ylabel('Mobile')
ax.set_zlabel('Tablet')
fig.colorbar(img)
plt.show()

我要使表面适应这一点，其中值由df ['ad_cliks']数据中的颜色范围定义。

类似于示例合并的事情： color surface，fit surface，其中颜色是渐变。 这意味着，表面最大极限值以最高的颜色值出现，而表面最小极限值以最低的颜色值出现。

！请注意，数据不是线性的，任何数据颜色都可以出现在任何位置。

目前，根据color surface，我只能创建不适合拟合的简单曲面。

感谢大家的辛勤工作。