python鸢尾花数据集分析

鸢尾花数据集是很经典的机器学习数据集之一，包含了150个样本，每个样本包含4个特征，分别是花萼长度、花萼宽度、花瓣长度和花瓣宽度，以及它所属的3个品种之一：Setosa，Versicolour和Virginica。

下面是一个简单的Python程序，用于加载鸢尾花数据集，并进行基本的数据分析和可视化。

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

# 加载鸢尾花数据集
iris = load_iris()

# 转换为数据框
df = pd.DataFrame(iris.data, columns=iris.feature_names)
df['target'] = iris.target
df['class'] = df['target'].apply(lambda x: iris.target_names[x])

# 查看前5行
print(df.head())

# 统计每个类别的样本数
print(df['class'].value_counts())

# 绘制花萼长度和花萼宽度的散点图
sns.scatterplot(x='sepal length (cm)', y='sepal width (cm)', hue='class', data=df)
plt.show()

# 绘制花瓣长度和花瓣宽度的散点图
sns.scatterplot(x='petal length (cm)', y='petal width (cm)', hue='class', data=df)
plt.show()

# 绘制特征之间的相关性热图
sns.heatmap(df.corr(), annot=True, cmap='coolwarm')
plt.show()

输出结果：

   sepal length (cm)  sepal width (cm)  petal length (cm)  petal width (cm)  target   class
0                5.1               3.5                1.4               0.2       0  setosa
1                4.9               3.0                1.4               0.2       0  setosa
2                4.7               3.2                1.3               0.2       0  setosa
3                4.6               3.1                1.5               0.2       0  setosa
4                5.0               3.6                1.4               0.2       0  setosa

virginica     50
versicolor    50
setosa        50
Name: class, dtype: int64