利用python代码下载鸢尾花数据集并进行降维，将原来4维的数据降为2维，并展示降维后的样本点分布

在Python中，我们可以使用scikit-learn库来下载鸢尾花数据集，然后通过主成分分析(PCA)进行降维。以下是一个示例步骤：

首先，我们需要安装所需的库，如果没有，可以使用pip进行安装：

pip install pandas scikit-learn matplotlib

接着，导入所需模块并加载鸢尾花数据集：

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

# 加载鸢尾花数据集
iris = load_iris()
df = pd.DataFrame(data=iris.data, columns=iris.feature_names)

接下来，我们将数据分为特征和目标变量，对数值型特征进行标准化处理：

X = df.iloc[:, :-1]  # 特征
y = df.iloc[:, -1]   # 目标变量

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

然后，应用PCA进行降维：

from sklearn.decomposition import PCA
pca = PCA(n_components=2)  # 降维到2维
X_pca = pca.fit_transform(X_scaled)

最后，绘制降维后的样本点分布：

plt.figure(figsize=(8, 6))
plt.scatter(X_pca[:, 0], X_pca[:, 1], c=y, cmap='viridis')
plt.xlabel('First Principal Component')
plt.ylabel('Second Principal Component')
plt.title('Iris Dataset (PCA Reduced to 2D)')
plt.show()