农作物分类python代码

在Python中，我们可以利用数据挖掘和机器学习库（如Pandas、NumPy、scikit-learn等）来对农作物进行分类。这里是一个简单的示例，假设我们有一个包含农作物特征的数据集（例如，种子大小、颜色、生长周期等），可以使用监督学习算法，比如决策树或支持向量机（SVM）。下面是一个基于决策树的简单分类代码：

# 导入所需库
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

# 加载数据
data = pd.read_csv('crop_data.csv')  # 假设你有名为crop_data.csv的数据文件

# 数据预处理
X = data.drop('crop_type', axis=1)  # X是特征，crop_type是我们要预测的目标列
y = data['crop_type']  # 目标变量

# 对类别型特征进行编码
le = LabelEncoder()
for column in X.columns:
    if X[column].dtype == 'object':
        X[column] = le.fit_transform(X[column])

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并训练模型
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)

# 预测
y_pred = clf.predict(X_test)

# 评估性能
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy * 100}%")

#