鸢尾花数据集的数据可视化
一、鸢尾花数据集介绍
1.历史
安德森鸢尾花卉数据集（英文：Anderson’s Iris data set），也称鸢尾花卉数据集（英文：Iris flower data set）或费雪鸢尾花卉数据集（英文：Fisher’s Iris data set），是一类多重变量分析的数据集。最初是埃德加·安德森从加拿大加斯帕半岛上的鸢尾属花朵中提取的地理变异数据。它首次出现在著名的英国统计学家和生物学家Ronald Fisher 1936年的论文《The use of multiple measurements in taxonomic problems》中，被用来介绍线性判别式分析。
其数据集包含了150个样本，都属于鸢尾属下的三个亚属，分别是山鸢尾、变色鸢尾和维吉尼亚鸢尾（Iris Setosa，Iris Versicolour，Iris Virginica）。四个特征被用作样本的定量分析，它们分别是花萼和花瓣的长度和宽度。基于这四个特征的集合，费雪发展了一个线性判别分析以确定其属种。
该数据集测量了所有150个样本的4个特征，分别是：sepal length（花萼长度）、sepal width（花萼宽度）、petal length（花瓣长度）、（花瓣宽度）。以上四个特征的单位都是厘米（cm）。
2.数据集
用记事本打开的iris.data文件如下图所示：
iris.data文件中的数据分别是“花萼长度，花萼宽度，花瓣长度，花瓣宽度，品种”，如下表（每种仅显示部分数据）所示。
二、鸢尾花数据集可视化
1.普通读取数据方法
import numpy as np import matplotlib.pyplot as plt import matplotlib as mp from sklearn.datasets import load_iris #在图中显示中文 mp.rcParams['font.sans-serif'] = [u'SimHei'] mp.rcParams['axes.unicode_minus'] = False iris = load_iris() ##取150个样本，取前两列特征，花萼长度和宽度 x=iris.data[0:150,1:3] #能看特征数据的具体信息 y=iris.target[0:150] #能看每行数据的标签的值 ##分别取前两类样本，0和1 samples_0 = x[y==0, :]#把y=0,即Iris-setosa的样本取出来 samples_1 = x[y==1, :]#把y=1，即Iris-versicolo的样本取出来 samples_2 = x[y==2, :]#把y=2，即Iris-virginica的样本取出来 #散点图可视化 plt.scatter(samples_0[:,0],samples_0[:,1],marker='o',color='r') plt.scatter(samples_1[:,0],samples_1[:,1],marker='x',color='b') plt.scatter(samples_2[:,0],samples_2[:,1],marker='*',color='y') plt.xlabel('花萼宽度', fontsize=14) plt.ylabel('花瓣长度',fontsize=14)
12345678910111213141516171819202122232.运行结果
3.普通读取数据方法
import numpy as np import matplotlib.pyplot as plt import matplotlib as mp from sklearn.datasets import load_iris plt.style.use('seaborn-ticks') mp.rcParams['font.sans-serif'] = [u'SimHei'] mp.rcParams['axes.unicode_minus'] = False iris = load_iris() ##取150个样本，取2,3两列特征，花萼宽度和花瓣长度 x=iris.data[0:150,1:3] #能看特征数据的具体信息 y=iris.target[0:150] #能看每行数据的标签的值 ##分别取前两类样本，0和1 samples_0 = x[y==0, :]#把y=0的样本取出来 samples_1 = x[y==1, :] samples_2 = x[y==2, :] #散点图可视化 plt.scatter(samples_0[:,0],samples_0[:,1],marker='o',color='r',label='Iris Setosa') plt.scatter(samples_1[:,0],samples_1[:,1],marker='x',color='b',label='Iris Versicolour') plt.scatter(samples_2[:,0],samples_2[:,1],marker='*',color='y',label='Iris Virginica]') plt.xlabel('花萼宽度', fontsize=14) plt.ylabel('花瓣长度',fontsize=14) plt.savefig('Iris Data Set.png', dpi=300) plt.legend() plt.show()
12345678910111213141516171819202122232425264.运行结果
5.未使用mglearn库的代码
代码如下（示例）：
import matplotlib.pyplot as plt import pandas as pd from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split iris=load_iris() #print(iris) X_train,X_test,y_train,y_test = train_test_split(iris['data'],iris['target'],random_state=0) print(y_train) #分割训练集和测试集 #X_train,X_test, y_train, y_test =cross_validation.train_test_split(train_data,train_target,test_size=0.4, random_state=0) #参数解释： #train_data：所要划分的样本特征集，长度数据 #train_target：所要划分的样本结果，就是标签，鸢尾花的名字代号 #test_size：样本占比，如果是整数的话就是样本的数量 #random_state：是随机数的种子。 iris_dataframe = pd.DataFrame(X_train,columns=iris.feature_names) print(iris_dataframe) #iris.feature_names 列名字 ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)'] grr = pd.plotting.scatter_matrix(iris_dataframe,c=y_train,figsize=(20,20),marker='o',hist_kwds={'bins':30},s=60,alpha=1) plt.show()
123456789101112131415161718192021226.运行结果
7.使用mglearn库的代码
import matplotlib.pyplot as plt import pandas as pd from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split #使用了mglearn库 import mglearn iris=load_iris() #print(iris) X_train,X_test,y_train,y_test = train_test_split(iris['data'],iris['target'],random_state=0) print(y_train) iris_dataframe = pd.DataFrame(X_train,columns=iris.feature_names) print(iris_dataframe) grr = pd.plotting.scatter_matrix(iris_dataframe,marker='o',c = y_train,hist_kwds={'bins':20},cmap=mglearn.cm3) #使用了mglearn库的cm3数据视图的配色 plt.show()
123456789101112131415168.运行结果
相关知识
鸢尾花数据集可视化分析
基于Echarts的鸢尾花数据可视化
鸢尾花数据集下载
分析鸢尾花数据集
【机器学习】经典数据集鸢尾花的分类识别
机器学习之路：经典的鸢尾花数据集
对鸢尾花数据集和月亮数据集，分别采用线性LDA、k
基于Logistic回归模型对鸢尾花数据集的线性多分类
实验一：鸢尾花数据集分类
机器学习数据集之鸢尾花
网址: 鸢尾花数据集的数据可视化 https://m.huajiangbk.com/newsview545945.html
| 上一篇: 数据分析面试、笔试题汇总+解析（ |
下一篇: Python进行数据的排序和排名 |
