利用MatPlotlib对鸢尾花数据集做数据探索

Matplotlib是一个强大的Python数据可视化库，可以用于创建各种图表，包括数据探索中的散点图、直方图等。对于鸢尾花数据集，这是一个经典的机器学习示例，包含了三种不同类型的鸢尾花（Setosa, Versicolour, Virginica）的数据。

为了利用Matplotlib进行数据探索，首先你需要加载鸢尾花数据集，比如通过scikit-learn库的load_iris函数。然后，你可以按照以下步骤操作：

1. **数据预处理**：将数据拆分为特征和目标变量，通常使用花瓣长度（petal length）、花瓣宽度（petal width）作为二维或三维的散点图坐标，因为它们通常能较好地区分鸢尾花的不同类别。

2. **绘制散点图**：
- 对于两个特征，例如花瓣长度和宽度，你可以创建一个`plt.scatter()`图形，x轴表示花瓣长度，y轴表示花瓣宽度，每种颜色代表一种鸢尾花类型。
- 对于三个特征，可以使用3D散点图，`mpl_toolkits.mplot3d.Axes3D`模块可以帮助你完成。

3. **添加标题和标签**：给图表添加适当的标题，X轴和Y轴的标签，以及每个颜色的类别名称。

4. **显示图像**：最后使用`plt.show()`展示你的可视化结果。

5. **还可以尝试其他统计图形**，如直方图、箱线图等，进一步了解数据分布。

import matplotlib.pyplot as plt
from sklearn import datasets

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

# 绘制二维散点图
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.xlabel('Petal Length')
plt.ylabel('Petal Width')
plt.title('Iris Data Scatter Plot by Species')

# 显示图像
plt.show()

# 如果你想看三维散点图，可以类似地添加第三个特征