数据分析经典案例-鸢尾花(iris)数据集分析

鸢尾花(iris)数据集分析

 

Gaius_Yao 关注

 0.8 2018.12.23 14:06 字数 724 阅读 4827评论 0喜欢 5

  Iris 鸢尾花数据集是一个经典数据集，在统计学习和机器学习领域都经常被用作示例。数据集内包含 3 类共 150 条记录，每类各 50 个数据，每条记录都有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，可以通过这4个特征预测鸢尾花卉属于（iris-setosa, iris-versicolour, iris-virginica）中的哪一品种。

据说在现实中，这三种花的基本判别依据其实是种子（因为花瓣非常容易枯萎）。

0 准备数据

  下面对 iris 进行探索性分析，首先导入相关包和数据集：

# 导入相关包
import numpy as np
import pandas as pd from pandas import plotting %matplotlib inline import matplotlib.pyplot as plt plt.style.use('seaborn') import seaborn as sns sns.set_style("whitegrid") from sklearn.linear_model import LogisticRegression from sklearn.model_selection import train_test_split from sklearn.preprocessing import LabelEncoder from sklearn.neighbors import KNeighborsClassifier from sklearn import svm from sklearn import metrics from sklearn.tree import DecisionTreeClassifier 

# 导入数据集
iris = pd.read_csv('F:\pydata\dataset\kaggle\iris.csv', usecols=[1, 2, 3, 4, 5]) 

  查看数据集信息：

iris.info()

<class 'pandas.core.frame.DataFrame'> RangeIndex: 150 entries, 0 to 149 Data columns (total 5 columns): SepalLengthCm 150 non-null float64 SepalWidthCm 150 non-null float64 PetalLengthCm 150 non-null float64 PetalWidthCm 150 non-null float64 Species 150 non-null object dtypes: float64(4), object(1) memory usage: 5.9+ KB 

  查看数据集的头 5 条记录：

iris.head()

 

1 探索性分析

  先查看数据集各特征列的摘要统计信息：

iris.describe()

 

  通过Violinplot 和 Pointplot，分别从数据分布和斜率，观察各特征与品种之间的关系：