• iris介紹

iris數(shù)據(jù)集也稱鳶尾花數(shù)據(jù)集。包括150個(gè)數(shù)據(jù)樣本，分為三類，每類五十個(gè)數(shù)據(jù)，每個(gè)數(shù)據(jù)具有四個(gè)屬性，可通過四個(gè)屬性預(yù)測鳶尾花屬于哪一類。

• 用到的python庫
  matplotlib、pandas、sklearn、seaborn
  /這里因?yàn)槲覜]有下載iris數(shù)據(jù)集，所以從sklearn里面導(dǎo)入，如果有數(shù)據(jù)集則用pandas.read_csv打開即可。/

有了數(shù)據(jù)集以后就直接作圖等操作就好了。 let‘s go！

導(dǎo)入數(shù)據(jù)集，看看數(shù)據(jù)集長啥樣子。
把數(shù)據(jù)集轉(zhuǎn)換為pandas的DataFrame類型便于操作（類似與二維表）

import pandas as pd from sklearn.datasets import load_iris #因?yàn)闆]有iris數(shù)據(jù)集，只好從sklearn里面導(dǎo)入 import matplotlib.pyplot as plt import seaborn as snsiris=load_iris()feature_names=['sepal length', 'sepal width', 'petal length', 'petal width'] #利用字典把數(shù)據(jù)轉(zhuǎn)換為dataframe類型 #DataFrame指一種類似與excel的二維表的框架 iris=pd.DataFrame({feature_names[0]:[iris.data[i][0] for i in range(len(iris.data))],feature_names[1]:[iris.data[i][1] for i in range(len(iris.data))],feature_names[2]:[iris.data[i][2] for i in range(len(iris.data))],feature_names[3]:[iris.data[i][3] for i in range(len(iris.data))],'type':iris.target })print(iris)#150*5的二維表

t這就是iris數(shù)據(jù)集的前20行，沒有截完，然后我們來看看前五行和數(shù)據(jù)總體信息描述（type的0，1，2分別表示三種花setosa,versicolor,virginica）

print(iris.head())#前五條數(shù)據(jù)

petal length petal width sepal length sepal width type
0 1.4 0.2 5.1 3.5 0
1 1.4 0.2 4.9 3.0 0
2 1.3 0.2 4.7 3.2 0
3 1.5 0.2 4.6 3.1 0
4 1.4 0.2 5.0 3.6 0

print(iris.info())#總體信息

<class ‘pandas.core.frame.DataFrame’>
RangeIndex: 150 entries, 0 to 149
Data columns (total 5 columns):
petal length 150 non-null float64
petal width 150 non-null float64
sepal length 150 non-null float64
sepal width 150 non-null float64
type 150 non-null int32
dtypes: float64(4), int32(1)
memory usage: 5.4 KB
None

print(iris.describe())#數(shù)據(jù)描述 petal length petal width sepal length sepal width type

count 150.000000 150.000000 150.000000 150.000000 150.000000
mean 3.758667 1.198667 5.843333 3.054000 1.000000
std 1.764420 0.763161 0.828066 0.433594 0.819232
min 1.000000 0.100000 4.300000 2.000000 0.000000
25% 1.600000 0.300000 5.100000 2.800000 0.000000
50% 4.350000 1.300000 5.800000 3.000000 1.000000
75% 5.100000 1.800000 6.400000 3.300000 2.000000
max 6.900000 2.500000 7.900000 4.400000 2.000000

然后分別畫出箱線圖、關(guān)系矩陣、核密度圖。

#畫各個(gè)特征的關(guān)系矩陣 #0,1,2分別代表setosa,versicolor,virginica sns.pairplot(data=iris,hue='type') plt.show()

#0,1,2分別代表setosa,versicolor,virginica #繪制箱線圖 for i in range(4):sns.boxplot(x="type",y=feature_names[i],data=iris)sns.kdeplot(iris[feature_names[i]])plt.show()

for i in range(4):sns.kdeplot(iris[feature_names[i]],shade=True) plt.title("Nuclear density") plt.show()

總結(jié)

以上是生活随笔為你收集整理的基于matplotlib对iris数据集进行数据分析的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。