TXT文件中五列数据分别对应花萼长度、花萼宽度、花瓣长度、花瓣宽度和种类，其中种类分别为山鸢尾、变色鸢尾和维吉尼亚鸢尾三个类别。 6.1 完成基础题目 （85分） 读取iris数据集中的花萼长度数据（已保存为txt格式），使用Numpy并对其进行排序、去重，并求出和、累积和、均值、标准差、方差、最小值、最大值 6.2 使用KNN 算法进行花的分类 （15分）每一类花朵前面80%数据作为训练，后面20%数据作为预测，计算出预测准确率

首先，我会读取iris数据集中的花萼长度数据，并使用NumPy对其进行排序、去重，并计算出和、累积和、均值、标准差、方差、最小值和最大值。然后，我会使用KNN算法对花的种类进行分类，将每一类花朵的前80%数据作为训练集，后20%数据作为测试集，最后计算出预测的准确率。

以下是代码实现：

import numpy as np

# 读取花萼长度数据
data = np.loadtxt('iris.txt', delimiter=',', usecols=0)

# 对数据进行排序和去重
sorted_data = np.sort(np.unique(data))

# 计算和、累积和、均值、标准差、方差、最小值和最大值
total_sum = np.sum(sorted_data)
cumulative_sum = np.cumsum(sorted_data)
mean_value = np.mean(sorted_data)
std_deviation = np.std(sorted_data)
variance = np.var(sorted_data)
min_value = np.min(sorted_data)
max_value = np.max(sorted_data)

print("和：", total_sum)
print("累积和：", cumulative_sum)
print("均值：", mean_value)
print("标准差：", std_deviation)
print("方差：", variance)
print("最小值：", min_value)
print("最大值：", max_value)

# 使用KNN算法进行花的分类
# 将数据分为三类：山鸢尾、变色鸢尾和维吉尼亚鸢尾
labels = np.loadtxt('iris.txt', delimiter=',', usecols=4, dtype=str)

# 将数据分为训练集和测试集
train_data = sorted_data[:int(len(sorted_data)*0.8)]
test_data = sorted_data[int(len(sorted_data)*0.8):]

# 根据训练集计算每个类别的均值和标准差
class_means = []
class_std = []
for label in np.unique(labels):
    class_data = train_data[labels[:len(train_data)] == label]
    class_means.append(np.mean(class_data))
    class_std.append(np.std(class_data))

# 对测试集中的每个样本进行分类预测
predictions = []
for sample in test_data:
    distances = np.abs(class_means - sample) / class_std
    predicted_label = np.argmin(distances)
    predictions.append(predicted_label)

# 计算预测准确率
true_labels = labels[len(train_data):]
accuracy = np.mean(predictions == true_labels) * 100

print("预测准确率：", accuracy)

请确保你已经将花萼长度数据保存为名为`iris.txt`的文件，并且确保数据集的格式正确。运行上述代码，即可得到花萼长度数据的排序、去重结果，以及预测的准确率。