使用鸢尾花数据集，计算并输出样本数量、特征数量，选取其中两个特征进行标准化并进行可视化。python代码

在Python中，我们可以使用sklearn库中的Iris数据集进行操作。首先，我们需要导入必要的模块，如pandas用于数据处理，numpy用于数值计算，matplotlib和seaborn用于数据可视化，以及scikit-learn的数据集和preprocessing模块来进行样本数量、特征数量的获取以及特征的标准化。

import pandas as pd
import numpy as np
from sklearn import datasets
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
import seaborn as sns

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data  # 特征
y = iris.target  # 标签

# 计算样本数量和特征数量
sample_count = X.shape[0]
feature_count = X.shape[1]

print(f"样本数量：{sample_count}")
print(f"特征数量：{feature_count}")

# 选取前两个特征进行标准化
selected_features = X[:, :2]  # 我们通常选择前两列作为示例，对应花瓣长度和宽度
scaler = StandardScaler()  # 创建标准化对象
scaled_features = scaler.fit_transform(selected_features)  # 对选定的特征进行标准化

# 可视化标准化后的数据
plt.figure(figsize=(8, 6))
sns.scatterplot(x=scaled_features[:, 0], y=scaled_features[:, 1], hue=y)
plt.title("标准化后的鸢尾花特征")
plt.xlabel("标准化后的特征1")
plt.ylabel("标准化后的特征2")
plt.legend(title="类别")
plt.show()