Python

2024-06-28 20:00| 来源: 网络整理| 查看: 265

本博客运行环境为Jupyter Notebook、Python3。使用的数据集是鸢尾花数据集（Iris）。主要叙述的是数据可视化。 IRIS数据集以鸢尾花的特征作为数据来源，数据集包含150个数据集，有4维，分为3 类，每类50个数据，每个数据包含4个属性，是在数据挖掘、数据分类中常用的测试集、训练集。

读取数据包括sklearn库引入和读取.csv文件保存的数据集。显示数据包括显示具体数据、查看整体数据信息、描述性统计。数据可视化包括散点图、直方图、KDE图、箱线图。

目录读取数据显示数据数据可视化

读取数据

从sklearn库中读取：（我使用的是该种办法），因为文件运行起来总缺少一组数据，可文件本身打开显示数据是完整的，这个问题我还未解决。如有知道的同学欢迎帮忙指点一下。此问题已解决，如有问题的小伙伴可以将文件读取改为这句代码！Iris = pd.read_csv(r’Iris.csv’,header = None)

from sklearn import datasets import pandas as pd iris_datas = datasets.load_iris()

从文件中读取：路径应该更为相应的的文件存储路径。

import pandas as pd #Iris = pd.read_csv('iris.csv') Iris = pd.read_csv(r'Iris.csv',header = None) 显示数据

显示所有数据：

print(iris_datas.data) # 数据集中的数据 print(iris_datas.target_name) # iris的种类

运行结果如下：在这里插入图片描述读取前五行数据

iris = pd.DataFrame(iris_datas.data, columns=['SpealLength', 'Spealwidth', 'PetalLength', 'PetalLength']) iris.shape iris.head()

运行结果如下： SepaLengthCm: 花萼长度, 单位cm；SepalWidthCm: 花萼宽度, 单位cm；PetalLengthCm: 花瓣长度, 单位cm ；PetalWidthCm; 花瓣宽度, 单位cm 在这里插入图片描述读取后五行数据

iris.tail()

运行结果如下：在这里插入图片描述查看数据整体信息

iris.info()

运行结果如下： 150行, 4个64位浮点数，数据中无缺失值。在这里插入图片描述描述性统计

iris.describe()

运行结果如下：花萼长度最小值4.30, 最大值7.90, 均值5.84, 中位数5.80, 右偏；花萼宽度最小值2.00, 最大值4.40, 均值3.05, 中位数3.00, 右偏；花瓣长度最小值1.00, 最大值6.90, 均值3.76, 中位数4.35, 左偏；花瓣宽度最小值0.10, 最大值2.50, 均值1.20, 中位数1.30, 左偏。按中位数来度量: 花萼长度 > 花瓣长度 > 花萼宽度 > 花瓣宽度在这里插入图片描述描述性统计转置

iris.describe().T

运行结果如下：在这里插入图片描述

数据可视化

花萼长度与宽度/花瓣长度与宽度的可视化

from collections import Counter, defaultdict import matplotlib import matplotlib.pyplot as plt import numpy as np matplotlib.rcParams['font.sans-serif'] = ['SimHei'] style_list = ['o', '^', 's'] # 设置点的不同形状，不同形状默认颜色不同，也可自定义 data = iris_datas.data labels = iris_datas.target_names cc = defaultdict(list) for i, d in enumerate(data): cc[labels[int(i/50)]].append(d) p_list = [] c_list = [] for each in [0, 2]: for i, (c, ds) in enumerate(cc.items()): draw_data = np.array(ds) p = plt.plot(draw_data[:, each], draw_data[:, each+1], style_list[i]) p_list.append(p) c_list.append(c) plt.legend(map(lambda x: x[0], p_list), c_list) plt.title('鸢尾花花瓣的长度和宽度') if each else plt.title('鸢尾花花萼的长度和宽度') plt.xlabel('花瓣的长度(cm)') if each else plt.xlabel('花萼的长度(cm)') plt.ylabel('花瓣的宽度(cm)') if each else plt.ylabel('花萼的宽度(cm)') plt.show()

运行结果如下：在这里插入图片描述

数据直方图之前已经使用过describe()计算出四个属性所对应的四分位数, 最大值以及最小值等统计量。这些均是以表格的形式展示。

url = "https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data" names = ['sepal-length', 'sepal-width', 'petal-length', 'petal-width', 'class'] dataset = pd.read_csv(url, names=names) dataset.hist() #数据直方图histograms

运行结果如下：在这里插入图片描述散点图 x轴表示sepal-length花萼长度，y轴表示sepal-width花萼宽度

dataset.plot(x='sepal-length', y='sepal-width', kind='scatter')

运行结果如下：在这里插入图片描述

KDE图 KDE图也被称作密度图(Kernel Density Estimate,核密度估计)。

dataset.plot(kind='kde')

运行结果如下：在这里插入图片描述箱线图 kind='box’绘制箱图,包含子图且子图的行列布局layout为2*2，子图共用x轴、y轴刻度，标签为False。

dataset.plot(kind='box', subplots=True, layout=(2,2), sharex=False, sharey=False)

在这里插入图片描述

【本文地址】

公司简介

联系我们