pythoniris补全缺失值_机器学习iris数据集导入

Iris数据集在模式识别研究领域应该是最知名的数据集了，有很多文章都用到这个数据集。这个数据集里一共包括150行记录，其中前四列为花萼长度，花萼宽度，花瓣长度，花瓣宽度等4个用于识别鸢尾花的属性，第5列为鸢尾花的类别(包括Setosa，Versicolour，Virginica三类)。也即通过判定花萼长度，花萼宽度，花瓣长度，花瓣宽度的尺寸大小来识别鸢尾花的类别。

这个数据集可以从UCI数据集上直接下载，具体地址为：http://archive.ics.uci.edu/ml/datasets/Iris。打开页面后点击Data folder就可以下载到本地磁盘上，默认格式为逗号分隔的文本文件。也可以直接从sklearn包里datasets里导入，语法为：from sklearn.datasets import load_iris。

一、如果从本地磁盘上读入该数据集，可以采用pandas包里的read_excel或者read_csv方法，也可以利用python里面的csv包来处理。

具体如下：

import pandas as pd

iris_data=pd.read_csv('D:\iris\iris.txt')#读取数据

#数据是以逗号为分隔符的，但是这个数据没有列的字，所以先给每个列取个名字，直接使用数据说明中的描述

iris_data .columns=['sepal_lengh_cm','sepal_width_cm','petal_length_cm','petal_width_cm','class']

print(iris_data.head())#查看前5行数据

data=pd.read_csv('iris.data') #iris.data数据与程序文件存放在同一目录下

print data.head(5) #可以查看一下前5行数据，检查是否读取正确

attributes=data[['sl','sw','pl','pw']] #前四列属性简化为sl，sw，pl，pw

types=data['type'] #第5列属性为鸢尾花的类别

sl sw pl pw

0 5.1 3.5 1.4 0.2

1 4.9 3.0 1.4 0.2

2 4.7 3.2 1.3 0.2

3 4.6 3.1 1.5 0.2

4 5.0 3.6 1.4 0.2

5 5.4 3.9 1.7 0.4

6 4.6 3.4 1.4 0.3

7 5.0 3.4 1.5 0.2

如果要读取单列数据，就采用data['sl']或者data['pl']，加入列属性值就可以。

二、如果从数据包里导入，直接利用sklearn包datasets模块导入 import load_iris。如下

from sklearn.datasets import load_iris

iris=load_iris()

attributes=iris.data #获取属性数据

target=iris.target #获取类别数据，这里注意的是已经经过了处理，target里0、1、2分别代表三种类别

labels=iris.feature_names#获取类别名字

print(labels)

print(attributes )

print(target )

三.iris数据集的基本操作

import pandas as pd

iris_data=pd.read_csv('D:\iris\iris.txt')

iris_data .columns=['sepal_lengh_cm','sepal_width_cm','petal_length_cm','petal_width_cm','class']

# print(iris_data.head())# iris_data.head(5) #可以查看一下前5行数据，检查是否读取正确

iris_data['class'] = iris_data['class'].apply(lambda x: x.split('-')[1]) #最后类别一列，感觉前面的'Iris-'有点多余即把class这一列的数据按'-'进行切分取切分后的第二个数据，为了好看一点点

print(iris_data.describe())#使用describe()可以很方便的查看数据的大致信息，可以看到数据是没有缺失值的，总共有145条，每一列的最大值、最小值、平均值、分位数都可以查看。

程序运行结果：

image.png

参考：

机器学习案例——鸢尾花数据集分析