使用Python编程实现iris数据集中各属性的统计描述及图形可视化，要求分别绘制出箱线图、直方图和散点图。

在Python中，我们可以使用pandas库来处理Iris数据集，并利用matplotlib和seaborn库进行数据的统计描述和可视化。以下是步骤：

首先，你需要安装必要的库，如果还没有安装，可以使用pip命令：

pip install pandas matplotlib seaborn sklearn

然后，导入所需的库并加载Iris数据集，这里假设已经下载了`iris.csv`文件：

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

# 加载数据
iris = load_iris()
df_iris = pd.DataFrame(data= iris.data, columns=iris.feature_names)
df_iris['species'] = iris.target_names[iris.target]

接下来，我们可以计算各属性的统计描述：

descriptive_stats = df_iris.describe(include='all')
print(descriptive_stats)

接着，绘制箱线图（Boxplot）：

sns.boxplot(x="species", y=df_iris.columns[:-1], data=df_iris)
plt.title('Boxplots for Iris Attributes by Species')
plt.show()

直方图（Histograms）：

for column in df_iris.columns[:-1]:
    plt.figure(figsize=(6, 4))
    sns.histplot(df_iris[column], bins=20, kde=True, palette='pastel')
    plt.title(f'Histogram of {column} in Iris Data')
    plt.show()

最后，绘制散点图（Scatter Plot）来观察特征之间的关系，例如前两个数值特征：

sns.pairplot(df_iris.iloc[:, :2], hue='species')
plt.show()

以上代码会展示每种鸢尾花品种在各种属性上的分布情况以及特征间的关联。