鸢尾花python散点图

鸢尾花数据集（Iris dataset）是一个经典的机器学习示例，其中包含三种不同种类的鸢尾花（Setosa、Versicolour和Virginica）的测量数据，如花萼长度、花瓣长度等。在Python中，我们可以使用matplotlib库来绘制鸢尾花的散点图，通常用于可视化特征之间的关系，比如比较每种鸢尾花的不同品种之间花瓣长度和宽度的变化。

例如，你可以这样做：

import matplotlib.pyplot as plt
from sklearn.datasets import load_iris

# 加载鸢尾花数据
iris = load_iris()
X = iris.data[:, :2]  # 取前两个特征进行二维展示

# 绘制散点图，颜色表示鸢尾花的类别
colors = iris.target_names
for i, color in enumerate(colors):
    plt.scatter(X[iris.target == i, 0], X[iris.target == i, 1], label=color)

plt.xlabel('Petal length')
plt.ylabel('Sepal length')
plt.legend()
plt.title('Scatter plot of Iris dataset')
plt.show()

这个散点图会显示花瓣长度（横轴）和花萼长度（纵轴）之间的区别，每个颜色代表一种鸢尾花种类。

相关问题

鸢尾花 特征散点图 python

可以使用matplotlib库和seaborn库来绘制鸢尾花特征散点图，代码如下：

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# 导入数据集并转换为DataFrame对象
iris_dataset = sns.load_dataset('iris')
iris_df = pd.DataFrame(iris_dataset)

# 绘制散点图
sns.scatterplot(data=iris_df, x='sepal_length', y='sepal_width', hue='species')

# 设置图表标题
plt.title('Iris Sepal Features Scatterplot')

# 显示图表
plt.show()

这段代码会绘制出一个以花萼长度为x轴、花萼宽度为y轴的散点图，同时用不同的颜色表示不同的鸢尾花品种。

knn算法python鸢尾花散点图

以下是使用Python的scikit-learn库实现k-NN算法，并绘制鸢尾花数据集的散点图的示例代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data[:, :2]  # 只取前两个特征
y = iris.target

# 初始化k-NN分类器
knn = KNeighborsClassifier(n_neighbors=3)

# 训练分类器
knn.fit(X, y)

# 预测新样本的类别
X_new = np.array([[5, 3.5]])  # 新样本的特征
y_pred = knn.predict(X_new)

print("预测结果：", iris.target_names[y_pred])

# 绘制鸢尾花数据集的散点图
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Set1)
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.title('Iris dataset')
plt.show()

运行以上代码，可以得到类似下图的散点图：