数据集：鸢尾花卉

数据集：鸢尾花卉

进阶分析：【$k$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	$Calyx$
花瓣	$Petal$
长度	$Length$
宽度	$Width$
鸢花	$Iris$

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