使用matlab的scatter函数可通过颜色与大小同步编码第三、四维数据：颜色映射连续变量（用c参数+colorbar）或离散类别（用离散colormap+legend），大小通过sz参数控制且需合理缩放，组合时需归一化并避免通道冗余。
如果您使用MATLAB的scatter函数绘制散点图，但发现仅靠x、y坐标无法充分表达数据中蕴含的多个变量关系，则可通过颜色与大小两个视觉通道同步编码额外维度。以下是实现该目标的具体方法：
一、用颜色映射连续型第三维度
颜色是最直观的视觉通道之一，适合将连续数值映射为色谱变化，使数据趋势在空间分布中自然浮现。MATLAB自动将c参数向量通过当前colormap进行归一化并着色，无需手动转换RGB值。
1、准备x、y坐标向量及对应的颜色数据向量c，确保三者长度一致。
2、调用scatter(x, y, [], c)，其中第三个参数为空方括号表示使用默认点大小，第四个参数c为颜色数据。
3、执行colorbar命令添加颜色标尺，标注c值与颜色的对应关系。
4、可选：使用colormap(parula)或colormap(jet)切换配色方案，推荐使用parula（MATLAB默认）以保证色盲友好性与单调性。
二、用点大小编码第四维度
点面积与数值呈平方关系，因此sz参数应为正实数向量，其每个元素代表对应数据点的视觉尺寸权重。合理缩放sz值可避免小点不可见或大点重叠遮挡。
1、计算第四维度原始数据z，例如人口数量、误差幅度或强度值。
2、对z做线性缩放：sz = (z - min(z)) / (max(z) - min(z)) * 100 + 20，确保sz落在20–200区间内。
3、调用scatter(x, y, sz, c)，同时传入大小与颜色参数。
4、注意sz单位为points²，未经缩放的原始数值常导致点过小或爆炸式放大。
三、组合颜色与大小实现四维可视化
当x、y确定空间位置，c承载第三维连续信息，sz承载第四维连续信息时，单张二维散点图即可承载四维结构化数据。此时需兼顾视觉权重平衡，防止某通道主导感知。
1、统一归一化x、y、c、sz四组数据至相近量纲，例如全部缩放到[0,1]区间。
2、使用scatter(x, y, sz, c, 'filled')启用实心标记，提升色彩辨识度。
3、添加xlabel、ylabel、title明确各维度物理含义，例如“X：年均温度（℃），Y：降水量（mm），Color：CO₂浓度（ppm），Size：城市人口（百万）”。
4、避免将c与sz映射同一物理量，否则造成视觉冗余与解释歧义。
四、处理离散型颜色变量
当第三维度为分类变量（如地区、品牌、实验组别）时，颜色应体现类别区分而非数值梯度，此时需禁用连续色图，改用离散映射策略。
1、使用ismember或unique获取类别标签及其索引向量idx。
2、定义离散颜色矩阵colors = lines(numel(unique_labels))，每行对应一类RGB值。
3、构造cmap = colors(idx,:)作为scatter的CData输入。
4、调用scatter(x, y, sz, cmap, 'filled')，并配合legend显示类别图例。
5、分类变量禁用jet或hot等连续色图，优先选用lines、tab20等内置离散调色板。
五、调试与校验可视化效果
多维编码易因数据异常或参数错配导致图表失真，需通过可控样本验证各通道是否按预期响应。
1、构造已知结构的测试数据：x=[1,2,3], y=[1,2,3], c=[1,2,3], sz=[10,50,100]。
2、分别单独绘制scatter(x,y,[],c)与scatter(x,y,sz)确认颜色渐变与尺寸梯度正确。
3、叠加绘制scatter(x,y,sz,c)观察二者是否共存且无相互干扰。
4、若出现全黑/全白点、尺寸突变或颜色断裂，立即检查c或sz中是否存在NaN、Inf或负值。
