数据分析技术---鸢尾花计数图

一、实验要求

1. 直接使用 seaborn 加载数据,绘制条形图
2. 使用 seaborn 绘制横向柱状图
3. 使用 seaborn 绘制散点图，反应品种与花萼长度之间的关系
4. (选作)绘制点线图，反应特征与品种之间的关系，图片标题和横纵坐标均为中文宋体，点线颜色均为红色。

二、实验代码：

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
import sklearn.datasets
from matplotlib import rcParams
rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体为黑体
rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
from sklearn.datasets import load_iris

#加载数据
iris = load_iris()
x = iris.data # 特征向量
y = iris.target #类别标签

#数据统计
#iris['target'].value_counts()

#数据转化
df = pd.DataFrame(x, columns=iris.feature_names)
df['target'] = y
print(df)

#seaborn绘制柱状图
sns.barplot(x = 'target', y = 'sepal length (cm)', data=df, palette="Set2")
plt.title("鸢尾花绘图-条形图")
plt.show()

#seaborn绘制统计图
sns.countplot(x='petal width (cm)', hue = 'target', data = df)
plt.title('鸢尾花计数图')
plt.xticks(rotation = 45)
plt.show()

# 使用seaborn绘制散点图
sns.scatterplot(data=df, x="target", y="sepal length (cm)")
plt.title('品种与花萼长度关系', fontdict={'family': 'SimSun', 'weight': 'normal', 'size': 16})
plt.xlabel('品种', fontdict={'family': 'SimSun', 'weight': 'normal', 'size': 12})
plt.ylabel('花萼长度', fontdict={'family': 'SimSun', 'weight': 'normal', 'size': 12})
plt.show()

# 绘制点线图
# 4.(选作)绘制点线图，反应特征与品种之间的关系

plt.figure(figsize=(10, 8))
# 获取当前的轴对象
ax = plt.gca()
for i, feature in enumerate(iris.feature_names):
    sns.lineplot(x='target', y=feature, data=df, ci=None, marker='o', ax=ax, label=feature, color = 'red')

# 设置标题和轴标签
plt.title('特征与品种关系的点线图', fontproperties='SimSun')
plt.xlabel('品种', fontproperties='SimSun')
plt.ylabel('特征值', fontproperties='SimSun')

# 设置图例位置
plt.legend(loc='best', prop={'family': 'SimSun', 'size': 8})

# 显示图形
plt.show()

三、实验结果