iris数据集下载(免费)：https://download.csdn.net/download/weixin_44940488/20718531

使用的分析软件：jupyter notebook

主要语法知识：Python数据清洗与整理、seaborn数据可视化。

1.  导入数据

# 导入相关库
from pandas import Series,DataFrame
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt 
import matplotlib as mpl
import seaborn as sns  #导入seaborn绘图库

# 读取数据集
iris_data = pd.read_csv(open('数据\iris-data.csv'))
iris_data.head()

      鸢尾花数据集经常用于及其学习（分类算法）的入门例子。其中，sepal_length_cm：为花萼长度； sepal_width_cm：为花萼宽度； petal_length_cm：为花瓣长度； petal_width_cm：花瓣宽度。

2.  定义问题

         通过数据可视化和分析，按照鸢尾花的特征分出鸢尾花的类别。其中涉及到的主要语法知识是数据清洗与整理。

3.  数据清洗

# 首先对数据进行简单描述，看其中是否有异常值
iris_data.shape

# 统计
iris_data.describe()

 通过结果可以看出，共有150条数据，通过每个字段的平均值和方差，看不出有异常值。

---

# 查看唯一值
iris_data['class'].unique()

# 修改
iris_data.ix[iris_data['class'] == 'versicolor', 'class'] = 'Iris-versicolor'
iris_data.ix[iris_data['class'] == 'Iris-setossa', 'class'] = 'Iris-setosa'

iris_data['class'].unique()

        回到异常值处理中，这里分析可能是分类原因，数据都很均衡。下面利用seaborn绘制散点图矩阵。

# 散点图绘制
sns.scatterplot(x='petal_width_cm',y='petal_length_cm',data = iris_data,
               color='blue',marker='+',s = 20)

# 散点图矩阵
sns.pairplot(iris_data, hue='class')

 

# Iris-setosa的花萼宽度直方图
iris_data.ix[iris_data['class'] == 'Iris-setosa', 'sepal_width_cm'].hist()

# 如果对异常值产生的原因不够清楚，所以直接对小于2.5cm的数据进行过滤
iris_data = iris_data.loc[(iris_data['class'] != 'Iris-setosa') | (iris_data['sepal_width_cm'] >= 2.5)]
iris_data.loc[iris_data['class'] == 'Iris-setosa', 'sepal_width_cm'].hist()

---

# 通过索引选取Iris-versicolor样本中sepal_length_cm值小于0.1的数据
# 选取异常数据
iris_data.loc[(iris_data['class'] == 'Iris-versicolor') &
              (iris_data['sepal_length_cm'] < 1.0)]

       图中的sepal_length_cm数据很小，有可能是单位错误，这里输入的是以m为单位，通过与其他数据的比较，初步认定可能是单位设置问题。通过以下代码，对数据乘以100。

iris_data.loc[(iris_data['class'] == 'Iris-versicolor') &
              (iris_data['sepal_length_cm'] < 1.0),
              'sepal_length_cm'] *= 100.0

# 查看是否有缺失值
iris_data.isnull().sum()

# 查看缺失值
iris_data[iris_data['petal_width_cm'].isnull()]

# 删除缺失值
iris_data.dropna(inplace=True)

4.  数据保存

iris_data.to_csv('数据\iris-clean-data.csv', index=False)

5.  数据探索

# 数据读取
iris_data = pd.read_csv(open('数据\iris-clean-data.csv'))
iris_data.head()

iris_data.shape

sns.pairplot(iris_data, hue='class')

# boxplot：箱体图绘制；figsize：设置画布大小。
iris_data.boxplot(column='petal_length_cm', by='class',grid=False,figsize=(6,6))