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 datasetsimport pandas as pdiris_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:
读取前五行数据
iris = pd.DataFrame(iris_datas.data, columns=['SpealLength', 'Spealwidth', 'PetalLength', 'PetalLength'])iris.shapeiris.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
读取后五行数据
iris.tail()
运行结果如下:
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。
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
描述性统计转置
iris.describe().T
运行结果如下:
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, defaultdictimport matplotlibimport matplotlib.pyplot as pltimport 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.datalabels = iris_datas.target_namescc = 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:
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:
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:
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:
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)
Python-鸢尾花数据集Iris 数据可视化 :读取数据 显示数据 描述性统计 散点图 直方图 KDE图 箱线图