Python-鸢尾花数据集Iris 数据可视化 ：读取数据、显示数据、描述性统计、散点图、直方图、KDE图、箱线图

本博客运行环境为Jupyter Notebook、Python3。使用的数据集是鸢尾花数据集（Iris）。主要叙述的是数据可视化。
IRIS数据集以鸢尾花的特征作为数据来源，数据集包含150个数据集，有4维，分为3 类，每类50个数据，每个数据包含4个属性，是在数据挖掘、数据分类中常用的测试集、训练集。

读取数据包括sklearn库引入和读取.csv文件保存的数据集。
显示数据包括显示具体数据、查看整体数据信息、描述性统计。
数据可视化包括散点图、直方图、KDE图、箱线图。

读取数据

从sklearn库中读取：（我使用的是该种办法）
，因为文件运行起来总缺少一组数据，可文件本身打开显示数据是完整的，这个问题我还未解决。如有知道的同学欢迎帮忙指点一下。 此问题已解决，如有问题的小伙伴可以将文件读取改为这句代码！Iris = pd.read_csv(r’Iris.csv’,header = None)

from sklearn import datasets
import pandas as pd
 
iris_datas = datasets.load_iris()

从文件中读取：
路径应该更为相应的的文件存储路径。

import pandas as pd
#Iris = pd.read_csv('iris.csv')
Iris = pd.read_csv(r'Iris.csv',header = None)

显示数据

显示所有数据：

print(iris_datas.data) # 数据集中的数据
print(iris_datas.target_name) #  iris的种类

运行结果如下：

读取前五行数据

iris = pd.DataFrame(iris_datas.data, columns=['SpealLength', 'Spealwidth', 'PetalLength', 'PetalLength'])
 
iris.shape
iris.head()

运行结果如下：
SepaLengthCm: 花萼长度, 单位cm；SepalWidthCm: 花萼宽度, 单位cm；PetalLengthCm: 花瓣长度, 单位cm
；PetalWidthCm; 花瓣宽度, 单位cm

读取后五行数据

iris.tail()

运行结果如下：

查看数据整体信息

iris.info()

运行结果如下：
150行, 4个64位浮点数，数据中无缺失值。

描述性统计

iris.describe()

运行结果如下：
花萼长度最小值4.30, 最大值7.90, 均值5.84, 中位数5.80, 右偏；花萼宽度最小值2.00, 最大值4.40, 均值3.05, 中位数3.00, 右偏；花瓣长度最小值1.00, 最大值6.90, 均值3.76, 中位数4.35, 左偏；花瓣宽度最小值0.10, 最大值2.50, 均值1.20, 中位数1.30, 左偏。
按中位数来度量: 花萼长度 > 花瓣长度 > 花萼宽度 > 花瓣宽度

描述性统计转置

iris.describe().T     

运行结果如下：

数据可视化

花萼长度与宽度/花瓣长度与宽度的可视化

from collections import Counter, defaultdict
import matplotlib
import matplotlib.pyplot as plt
import numpy as np 
 matplotlib.rcParams['font.sans-serif'] = ['SimHei']
 
style_list = ['o', '^', 's']       # 设置点的不同形状，不同形状默认颜色不同，也可自定义
data = iris_datas.data
labels = iris_datas.target_names
cc = defaultdict(list)
 
for i, d in enumerate(data):
    cc[labels[int(i/50)]].append(d) 
p_list = []
c_list = []
 
for each in [0, 2]:
    for i, (c, ds) in enumerate(cc.items()):
        draw_data = np.array(ds)
        p = plt.plot(draw_data[:, each], draw_data[:, each+1], style_list[i])
        p_list.append(p)
        c_list.append(c)
 
    plt.legend(map(lambda x: x[0], p_list), c_list)
    plt.title('鸢尾花花瓣的长度和宽度') if each else plt.title('鸢尾花花萼的长度和宽度')
    plt.xlabel('花瓣的长度(cm)') if each else plt.xlabel('花萼的长度(cm)')
    plt.ylabel('花瓣的宽度(cm)') if each else plt.ylabel('花萼的宽度(cm)')
    plt.show()

运行结果如下：

数据直方图
之前已经使用过describe()计算出四个属性所对应的四分位数, 最大值以及最小值等统计量。这些均是以表格的形式展示。

url = "https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data"  
names = ['sepal-length', 'sepal-width', 'petal-length', 'petal-width', 'class']  
dataset = pd.read_csv(url, names=names)
dataset.hist() #数据直方图histograms

运行结果如下：

散点图
x轴表示sepal-length花萼长度，y轴表示sepal-width花萼宽度

dataset.plot(x='sepal-length', y='sepal-width', kind='scatter')

运行结果如下：

KDE图
KDE图也被称作密度图(Kernel Density Estimate,核密度估计)。

dataset.plot(kind='kde') 

运行结果如下：

箱线图
kind='box’绘制箱图,包含子图且子图的行列布局layout为2*2，子图共用x轴、y轴刻度，标签为False。

dataset.plot(kind='box', subplots=True, layout=(2,2), sharex=False, sharey=False)