python分析鸢尾花数据_鸢尾花(iris)数据集分析

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()

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：

# 设置颜色主题

antV = ['#1890FF', '#2FC25B', '#FACC14', '#223273', '#8543E0', '#13C2C2', '#3436c7', '#F04864']

# 绘制 Violinplot

f, axes = plt.subplots(2, 2, figsize=(8, 8), sharex=True)

s