读取iris数据集，数据集路径为“./iris.csv”，区分标签和数据。

可以使用 pandas 库中的 read_csv() 方法读取 iris 数据集，并将标签和数据分开。代码如下：

import pandas as pd

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

# 区分标签和数据
X = data.iloc[:, :-1]  # 数据
y = data.iloc[:, -1]   # 标签

其中，X 存储的是数据，y 存储的是标签。iloc[] 方法用于通过索引选择数据。

相关问题

# 读取csv文件数据path = './data/iris.csv'df = pd.read_csv(path)print('数据量：', len(df))print(df.head())

当你使用Python的数据分析库pandas来处理CSV文件时，`pd.read_csv()`函数是一个非常常用的工具。在这个例子中，`path='./data/iris.csv'`指定了你要读取的CSV文件路径，`df = pd.read_csv(path)`这行代码会加载该文件并将其内容读入一个DataFrame对象df中。

`print('数据量：', len(df))`用于打印DataFrame的行数，也就是数据的数量。`df.head()`则显示数据集的前几行，通常展示的是前五行，以便快速了解数据的结构和一些基本信息。

举个例子，如果你的CSV文件包含了鸢尾花数据集，输出可能会类似这样：

数据量： 150
   sepal_length  sepal_width  petal_length  petal_width      species
0          5.1         3.5           1.4          0.2  Iris-setosa
1          4.9         3.0           1.4          0.2  Iris-setosa
2          4.7         3.2           1.3          0.2  Iris-setosa
3          4.6         3.1           1.5          0.2  Iris-setosa
4          5.0         3.6           1.4          0.2  Iris-setosa

data = pd.read_csv("./iris.csv") #去除最后一列的数据，也就是标签

要去除 DataFrame 中的最后一列数据，你可以使用 Pandas 库中的 drop() 函数。下面是一个示例代码：

import pandas as pd

# 读取数据集
data = pd.read_csv("./iris.csv")

# 去除最后一列数据
data = data.drop(data.columns[-1], axis=1)

# 显示前几行数据
print(data.head())

在这个代码中，我们使用 DataFrame 的 drop() 函数去除了最后一列数据。`data.columns[-1]` 表示最后一列的列名，`axis=1` 表示按列进行删除。最后，我们使用 head() 函数显示了 DataFrame 的前几行数据，以确保最后一列已经被成功删除了。