python如何导入波士顿房价数据集

在Python中，我们可以使用sklearn库来导入波士顿房价数据集，这是一个经典的机器学习数据集，包含了波士顿地区1970年代的房屋信息，如犯罪率、住宅平均房间数等。以下是导入步骤：

1. 首先，你需要安装`scikit-learn`（sklearn）。如果尚未安装，可以使用pip命令进行安装：

   pip install scikit-learn

2. 导入库并加载数据集：

from sklearn.datasets import load_boston

# 加载数据
boston = load_boston()

这个操作会返回一个字典，其中包含数据、目标变量、特征名称、描述等等。

3. 数据查看：

# 查看数据前5行
print(boston.data[:5])
# 查看目标变量（房价）
print(boston.target[:5])

# 获取特征名
print(boston.feature_names)

4. 使用数据之前，通常需要将数据分为训练集和测试集，以及对数据进行预处理，例如归一化或标准化：

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.2, random_state=42)

# 对数据进行标准化
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

现在你可以开始使用这个数据集来进行数据分析或模型训练了。