pandas读取breast_cancer.csv文件将数据归一化后并绘制每个特征，不使用sklearn

好的，你可以使用以下代码读取并绘制 breast_cancer.csv 文件中每个特征的归一化后的数据，不使用sklearn库：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据
data = pd.read_csv('breast_cancer.csv')

# 获取数据列名
columns = data.columns

# 数据归一化
data_norm = (data - data.min()) / (data.max() - data.min())

# 绘制归一化后的数据
data_norm.plot(figsize=(20, 5))

# 显示图像
plt.show()

这段代码会绘制出每个特征的归一化后的数据，并将它们放置在一幅图中。你可以根据需要对代码进行修改，例如修改图像的样式等等。其中，`figsize` 参数用于设置图像的大小。

相关问题

pandas读取breast_cancer.csv文件将数据归一化后并绘制每个特征

好的，你可以使用以下代码读取并绘制 breast_cancer.csv 文件中每个特征的归一化后的数据：

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler

# 读取数据
data = pd.read_csv('breast_cancer.csv')

# 获取数据列名
columns = data.columns

# 数据归一化
scaler = MinMaxScaler()
data_norm = scaler.fit_transform(data)

# 转换为DataFrame
data_norm = pd.DataFrame(data_norm, columns=columns)

# 绘制归一化后的数据
data_norm.plot(figsize=(20, 5))

# 显示图像
plt.show()

这段代码会绘制出每个特征的归一化后的数据，并将它们放置在一幅图中。你可以根据需要对代码进行修改，例如修改图像的样式等等。其中，`figsize` 参数用于设置图像的大小。

pandas读取breast_cancer.csv文件将数据归一化后，按照最后一列分类并绘制每个特征的箱图，不使用sklearn

好的，你可以使用以下代码读取并绘制 breast_cancer.csv 文件中每个特征的归一化后的数据，并按照最后一列分类绘制每个特征的箱图，不使用 sklearn 库：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据
data = pd.read_csv('breast_cancer.csv')

# 获取数据列名
columns = data.columns

# 数据归一化
data_norm = (data - data.min()) / (data.max() - data.min())

# 按照最后一列分类绘制每个特征的箱图
for i in range(len(columns) - 1):
    plt.figure()
    plt.boxplot([data_norm[columns[i]][data_norm['class'] == 2], data_norm[columns[i]][data_norm['class'] == 4]])
    plt.xticks([1, 2], ['2', '4'])
    plt.xlabel('class')
    plt.ylabel(columns[i])
    plt.title(columns[i] + ' by class')
    plt.show()

这段代码会绘制出每个特征的归一化后的数据，并按照最后一列分类绘制每个特征的箱图。在每个箱图中，横轴为类别，纵轴为特征值。你可以根据需要对代码进行修改，例如修改箱图的样式等等。