数据集:鸢尾花卉
进阶分析:【 k k k近邻法】
数据集介绍
数据集来源 | UCI 数据库 Iris |
---|---|
概述 | UCI Iris 数据集原始数据,根据鸢花萼片和花瓣4项指标对花的种类进行分类。 |
数据介绍 | UCI Iris是常用分类建模数据集,通过花萼长度,花萼宽度,花瓣长度,花瓣宽度4个属性预测鸢尾花卉属于(Setosa,Versicolour,Virginica)三个种类中的哪一类。 |
属性数 | 5 |
记录数 | 150 |
无缺失值记录数 | 150 |
数据集元数据
名称 | 数据类型 |
---|---|
萼片宽度 | float |
萼片长度 | float |
花瓣长度 | float |
花瓣宽度 | float |
鸢花种类 | string |
专有名词
中文 | 英文 |
---|---|
萼片 | C a l y x Calyx Calyx |
花瓣 | P e t a l Petal Petal |
长度 | L e n g t h Length Length |
宽度 | W i d t h Width Width |
鸢花 | I r i s Iris Iris |
预处理
# 导包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 读取文件
fname = 'iris.data'
with open(fname,'r+',encoding='utf-8') as f:
s = [i[:-1].split(',') for i in f.readlines()]
# pandas读取数据,样本数各50个
names = ['slength','swidth','plength','pwidth','name']
iris = pd.DataFrame(data=s,columns=names)
iris
数据预览
索引 | slength | swidth | plength | pwidth | name |
---|---|---|---|---|---|
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 |
… | … | … | … | … | … |
146 | 6.3 | 2.5 | 5.0 | 1.9 | Iris-virginica |
147 | 6.5 | 3.0 | 5.2 | 2.0 | Iris-virginica |
148 | 6.2 | 3.4 | 5.4 | 2.3 | Iris-virginica |
149 | 5.9 | 3.0 | 5.1 | 1.8 | Iris-virginica |
150 | None | None | None | None | None |
151 rows × 5 columns |
分组统计
# 三种类别
Setosa = iris.iloc[0:50,0:4].astype('float')
Versicolour = iris.iloc[50:100,0:4].astype('float')
Virginica = iris.iloc[100:150,0:4].astype('float')
# 统计每个品种有多少个样本
iris['name'].value_counts()
整体样本数
:
Iris-versicolor 50
Iris-virginica 50
Iris-setosa 50
Name: name, dtype: int64
统计每个类别每个数据点出现的个数
:
# setosa
Setosa.loc[:,'slength'].value_counts(),Setosa.loc[:,'swidth'].value_counts(),Setosa.loc[:,'plength'].value_counts(),Setosa.loc[:,'pwidth'].value_counts()
# versicolour
Versicolour.loc[:,'slength'].value_counts(),Versicolour.loc[:,'swidth'].value_counts(),Versicolour.loc[:,'plength'].value_counts(),Versicolour.loc[:,'pwidth'].value_counts()
# virginica
Virginica.loc[:,'slength'].value_counts(),Virginica.loc[:,'swidth'].value_counts(),Virginica.loc[:,'plength'].value_counts(),Virginica.loc[:,'pwidth'].value_counts()
分组样本数
:
# Setosa:
(5.0 8
5.1 8
4.8 5
5.4 5
4.9 4
4.6 4
5.2 3
4.4 3
4.7 2
5.7 2
5.5 2
4.5 1
5.8 1
4.3 1
5.3 1
Name: slength, dtype: int64,
3.4 9
3.5 6
3.0 6
3.1 5
3.2 5
3.8 4
3.7 3
3.9 2
3.3 2
3.6 2
2.9 1
4.1 1
4.4 1
4.2 1
2.3 1
4.0 1
Name: swidth, dtype: int64,
1.5 14
1.4 12
1.6 7
1.3 7
1.7 4
1.9 2
1.2 2
1.1 1
1.0 1
Name: plength, dtype: int64,
0.2 28
0.4 7
0.3 7
0.1 6
0.5 1
0.6 1
Name: pwidth, dtype: int64)
# Versicolour:
(5.6 5
5.7 5
5.5 5
6.0 4
6.1 4
6.3 3
6.7 3
5.8 3
6.2 2
5.0 2
6.4 2
6.6 2
5.9 2
5.2 1
5.4 1
5.1 1
7.0 1
6.8 1
4.9 1
6.5 1
6.9 1