查看sklearn库内置的iris数据集，画以下4个子图： （1）花瓣长度与花萼长度的散点图，不同类别的鸢尾花用不同的点型和颜色区分； （2）绘制花瓣长度分布直方图； （3）绘制花萼长度条形图； （4）绘制花萼长度饼状图。

在Python中，我们可以使用scikit-learn (sklearn) 库中的`load_iris()`函数加载Iris数据集，然后利用matplotlib库进行可视化。以下是指导如何创建这四个子图的步骤：

1. 首先，导入需要的库：

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

2. 加载iris数据集并预处理数据：

iris = load_iris()
X = iris.data[:, :2]  # 只取花瓣长度和花萼长度作为坐标轴
y = iris.target

3. **(1)** 散点图：

plt.figure(figsize=(6, 6))
for i in range(3):
    color = f"C{i}"
    marker = chr(ord('o') + i)
    plt.scatter(X[y == i, 0], X[y == i, 1], label=iris.target_names[i], c=color, marker=marker)
plt.xlabel("Petal Length")
plt.ylabel("Sepal Length")
plt.legend(title="Species")
plt.title("Scatter Plot of Petal Length vs Sepal Length")
plt.show()

4. **(2)** 花瓣长度直方图：

plt.figure(figsize=(8, 4))
plt.hist(iris.data[:, 0], bins='auto', alpha=0.5, label=iris.target_names)
plt.xlabel("Petal Length")
plt.ylabel("Frequency")
plt.title("Histogram of Petal Length")
plt.legend()
plt.show()

5. **(3)** 花萼长度条形图：

plt.figure(figsize=(8, 4))
plt.bar(range(3), iris.data[:, 2].mean(axis=0), tick_label=iris.target_names, color=['C0', 'C1', 'C2'])
plt.xlabel("Species")
plt.ylabel("Average Sepal Length")
plt.title("Bar Chart of Average Sepal Length by Species")
plt.show()

6. **(4)** 花萼长度饼状图：

plt.figure(figsize=(6, 6))
plt.pie(iris.data[:, 2].mean(axis=0), labels=iris.target_names, autopct='%1.1f%%')
plt.title("Pie Chart of Average Sepal Length by Species")
plt.axis('equal')  # 保持圆形
plt.show()

完成以上代码后，你应该可以看到四个关于Iris数据集的可视化图表。