机器学习利用pandas读取波士顿房价数据集为dataframe格式，利用散点图展示其中任意4个特征与标签之间的关系

好的，以下是代码示例：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据集
data = pd.read_csv('boston.csv')

# 选择任意四个特征和标签
features = ['RM', 'LSTAT', 'PTRATIO', 'DIS']
label = 'MEDV'

# 绘制散点图
fig, axs = plt.subplots(2, 2, figsize=(10, 6))
axs = axs.ravel()

for i, feature in enumerate(features):
    axs[i].scatter(data[feature], data[label])
    axs[i].set_xlabel(feature)
    axs[i].set_ylabel(label)

plt.tight_layout()
plt.show()

解释一下代码：

1. 首先，我们使用 pandas 的 `read_csv` 函数读取波士顿房价数据集，并将其存储为一个 DataFrame 对象。
2. 然后，我们选择任意四个特征和标签，这里我选择了 'RM'、'LSTAT'、'PTRATIO' 和 'DIS' 这四个特征以及 'MEDV' 标签。
3. 接着，我们使用 matplotlib 库绘制散点图。这里我们使用了 `subplots` 函数创建一个 2x2 的子图，并使用 `scatter` 函数绘制散点图。注意，我们需要使用 `ravel` 函数将子图对象展平为一维数组，这样才能方便地对每个子图进行设置。最后，我们使用 `tight_layout` 函数调整子图之间的间距，并使用 `show` 函数显示图形。

运行代码后，你就可以看到展示了四个特征和标签之间关系的散点图了。