首页 > 分享 > 数据分析入门——以鸢尾花分类为例

数据分析入门——以鸢尾花分类为例

花匠小妙招
2024-11-14 12:56

本文以鸢尾花数据为例，总结数据分析一般过程，python数据分析库的部分用法，并完成鸢尾花分类模型构建

数据获取以及导入

import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import statsmodels import os import requests import numpy as np 1234567

#request.get('URL')可以读取网站信息，返回respose对象,将其存入变量r中。 r = requests.get('https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data') 12

#这里返回r，可以看出r是Response对象 r 12

<Response [200]> 1

#os.getcwd()可以返回当前编辑目录 path = os.getcwd() 12

path 1

'C:\Users\44587\Python机器学习实战指南' 1

#用python的with open方法以write模式在当前path下创建iris.data并将存储于r中的数据写入 #response.text表示获取response中的文本信息 with open(path+'iris.data','w') as f: f.write(r.text) 1234

#数据写入后使用pandas的read_csv方法读取CSV文件，names参数可赋值一个list以更改列名 df = pd.read_csv(path + 'iris.data',names = ['sepal length','sepal width','petal length', 'petal width','Class']) 123 探索性数据分析
这部分的目的是对数据有一个总体的认知，并发现一些明显的信息，并且对数据进行清洗

#查看DataFrame信息，观察数据类型以及数据是否有缺失值等 df.info() 12

<class 'pandas.core.frame.DataFrame'> RangeIndex: 150 entries, 0 to 149 Data columns (total 5 columns): sepal length 150 non-null float64 sepal width 150 non-null float64 petal length 150 non-null float64 petal width 150 non-null float64 Class 150 non-null object dtypes: float64(4), object(1) memory usage: 5.9+ KB 12345678910

可以看出，数据是十分完整而整齐的，没有缺失值。

#查看数据表的统计信息 df.describe() 12 sepal length sepal width petal length petal width count 150.000000 150.000000 150.000000 150.000000 mean 5.843333 3.054000 3.758667 1.198667 std 0.828066 0.433594 1.764420 0.763161 min 4.300000 2.000000 1.000000 0.100000 25% 5.100000 2.800000 1.600000 0.300000 50% 5.800000 3.000000 4.350000 1.300000 75% 6.400000 3.300000 5.100000 1.800000 max 7.900000 4.400000 6.900000 2.500000

#查看前5行 df.head() 12 sepal length sepal width petal length petal width Class 0 5.1 3.5 1.4 0.2 Iris-setosa 1 4.9 3.0 1.4 0.2 Iris-setosa 2 4.7 3.2 1.3 0.2 Iris-setosa 3 4.6 3.1 1.5 0.2 Iris-setosa 4 5.0 3.6 1.4 0.2 Iris-setosa

#使用序数索引，方法为DataFrame.iloc[行索引，列索引] df.iloc[:3,:4] 12 sepal length sepal width petal length petal width 0 5.1 3.5 1.4 0.2 1 4.9 3.0 1.4 0.2 2 4.7 3.2 1.3 0.2

#使用行列名索引 df.loc[:3,1