鸢尾花 Sklearn

鸢尾花 Sklearn

Sklearn 鸢尾花

鸢尾花

从sklearn 包自带的数据集中读出鸢尾花数据集 data

1
2
3
4
5
6
7
8
9
10
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 18-10-29 上午11:58
# @Author : Vitan
# @File : Sklearn_iris.py
from sklearn.datasets import load_iris
import numpy as np
import matplotlib.pyplot as plt
data = load_iris()
print(data)

查看data类型,包含哪些数据

1
2
print(type(data))
print(data.keys())

取出鸢尾花特征和鸢尾花类别数据,查看其形状及数据类型

1
2
3
4
5
6
iris_feature = data.feature_names,data.data
iris_target = data.target_names,data.target
print('鸢尾花特征数据:',iris_feature)
print('鸢尾花类别:',iris_target)
sepal_len = np.array(list(len[0] for len in data.data))
print('花萼长度:',sepal_len)

取出所有花的花萼长度(cm)的数据

1
2
sepal_len = np.array(list(len[0] for len in data.data))
print('所有花萼长宽:',sepal_len)

取出所有花的花瓣长度(cm)+花瓣宽度(cm)的数据

1
2
3
4
5
6
7
for item in data:
# 花瓣长度
petal_len = np.array(list(len[2] for len in data.data))
# 花萼宽度
petal_wid = np.array(list(len[3] for len in data.data))
iris_len = (petal_len,petal_wid)
print(iris_len)

取出某朵花的四个特征及其类别。

1
print('四个特征',data.data[1],data.target[1])

将所有花的特征和类别分成三组,每组50个

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
iris_set = []
iris_ver = []
iris_vir = []

# 循环遍历所有的数据
for i in range(0, 150):
# 类别为0的为 setosa 花,生成一条setosa类的鸢尾花数据
if data.target[i] == 0:
Data = data.data[i].tolist()
Data.append('setosa')
iris_set.append(Data)

# 类别为1的即为 versicolor,生成一条versicolor类的鸢尾花数据
elif data.target[i] == 1:
Data = data.data[i].tolist()
Data.append('versicolor')
iris_ver.append(Data)
# 3 为维吉尼亚鸢尾花
else:
Data = data.data[i].tolist()
Data.append('virginica')
iris_vir.append(Data)
print(iris_set,iris_ver,iris_vir)

生成新的数组,每个元素包含四个特征+类别

1
2
iris_result = np.array([iris_set, iris_ver, iris_vir])
print("分组:", iris_result)

计算鸢尾花花瓣长度的最大值,平均值,中值,均方差。

1
2
3
4
5
6
7
#鸢尾花花瓣长度的数据
petal_length = np.array(list(len[3] for len in data.data))
print(petal_length) # 输出数据
print('花瓣长度的最大值',np.max(petal_length))
print('平均值:',np.mean(petal_length))
print('中值:',np.median(petal_length))
print('均方差:',np.std(petal_length))

显示鸢尾花某一特征的曲线图,散点图。

  • 曲线图
1
2
3
4
5
6
iris_feature = data.feature_names,data.data

x = np.linspace(0,150,num = 150)
plt.plot(x,iris_feature)
plt.savefig("特征曲线图.png")
plt.show()
  • 散点图
1
2
3
plt.scatter(x,iris_feature)
plt.savefig("特征散点图.png")
plt.show()

np.random

  • 用 np.random.normal() 产生一个正态分布的随机数组,并显示出来。
1
2
3
4
5
6
7
8
mu = 50
sigma = 0.6
num = 3000
zu = np.random.normal(mu,sigma,num)
count,bins,ignored = plt.hist(zu,30,normed = True)
plt.plot(bins,1/(sigma*np.sqrt(2*np.pi))*np.exp( - (bins-mu)**2/(2*sigma*2)),linewidth=2,color='g')
plt.savefig("np.random.normal().png")
plt.show()
  • np.random.randn()产生一个正态分布的随机数组,并显示出来。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
'''
np.random.rand(n) 产生标准正态分布, 即均值为0 标准差为1 的高斯分布
同于 np.random.normal(0, 1, n)
'''
mu = 100
sigma = 15
num_bins = 50 # 分隔的段数

# 产生500个均值为100, 方差为15 的随机数,等于 x = np.random.normal(100, 15, 500)
x = mu + sigma * np.random.randn(500)
fig, ax = plt.subplots()
n, bins, patches = ax.hist(x, num_bins, normed=True)# x为数据,ax.hist()即是画柱状图的函数
plt.plot(bins,1/(sigma*np.sqrt(2*np.pi))*np.exp( - (bins-mu)**2/(2*sigma*2)),linewidth=2,color='r')
plt.savefig("np.random.randn().png")
plt.show()

显示鸢尾花花瓣长度的正态分布图,曲线图,散点图

  • 正态分布图
1
2
3
4
5
6
7
8
9
mu = np.mean(petal_length) # 期望值
sigma = np.std(petal_length) # 标准差
num = 500 # 个数

normal_data = np.random.normal(mu,sigma,num)
count,bins,ignored = plt.hist(normal_data,20,normed=True)
plt.plot(bins,1/(sigma*np.sqrt(2*np.pi))*np.exp( - (bins-mu)**2/(2*sigma*2)),linewidth=2,color='b')
plt.savefig("花瓣长度正态分布图.png") # 保存图片文件
plt.show()
  • 曲线图
1
2
3
4
x = np.linspace(0,150,num=150)
plt.plot(x,petal_len)
plt.savefig("花瓣长度曲线图.png")
plt.show()
  • 散点图
1
2
3
plt.scatter(x,petal_len,)
plt.savefig("花瓣长度散点图.png")
plt.show()

评论

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×