鸢尾花数据可视化——基于matplotlib

• import
  numpy
  as
  np
  
  
• 
  
  
  import
  pandas
  as
  pd
  
  
• 
  
  
  from
  matplotlib
  import
  pyplot
  as
  plt
  
  
• 
  
  
  import
  matplotlib.cm
  as
  cm
  
  
• 
  
  
  from
  matplotlib图形调配.图像基础属性
  import
  Solve_Chinese,Set_label
  
  
• 
  
  
  import
  seaborn
  as
  sns
  
  
• 
  
  
  
  
• 
  
  
  # 读取数据
  
  
  
• 
  
  data = pd.read_csv(
  r"C:\Users\luyao\Desktop\Iris.csv"
  )
  
  
• 
  
  
  # print(data.head(),'\n')
  
  
  
• 
  
  
  # print(data.describe(),'\n')
  
  
  
• 
  
  
  
  
• 
  
  
  #解决中文乱码问题
  
  
  
• 
  
  Solve_Chinese(
  'FangSong'
  )
  
  
• 
  
  
  
  
• 
  
  
  #去掉种类中多余部分
  
  
  
• 
  
  data[
  'Species'
  ] = data[
  'Species'
  ].apply(
  lambda
  x: x.split(
  '-'
  )[
  1
  ])
  
  
• 
  
  
  # print(data.head(),'\n')
  
  
  
• 
  
  
  
  
• 
  
  
  # 数据转换，把种类映射成数据类别
  
  
  
• 
  
  print(data[
  'Species'
  ].unique(),
  '\n'
  )
  
  
• 
  
  dict = {
  'setosa'
  :
  0
  ,
  'versicolor'
  :
  1
  ,
  'virginica'
  :
  2
  }
  
  
• 
  
  data[
  'Category_num'
  ] = data[
  'Species'
  ].map(dict)
  
  
• 
  
  
  # data.drop(['Species'],axis=1,inplace=True)
  
  
  
• 
  
  print(data.head(),
  '\n'
  )
  
  
• 
  
  
  
  
• 
  
  
  
  
• 
  
  
  # 认识数据
  
  
  
• 
  
  fig1 = plt.figure(
  1
  )
  
  
• 
  
  fig1.set(alpha=
  0.5
  )
  
  
• 
  
  
  
  
• 
  
  
  # 先来看看各种种类的数量分布
  
  
  
• 
  
  data[
  'Species'
  ].value_counts().plot(kind =
  'bar'
  ,title =
  '鸢尾花种类分布'
  ,color =
  'c'
  ,rot=
  360
  )
  
  
• 
  
  plt.show()
  
  
  

• 
  
  # 查看特征组合对种类的区分效果
  
  
• 
  
  fig2 = plt.figure(
  2
  )
  
  
• 
  
  plt.subplot2grid((
  3
  ,
  2
  ),(
  0
  ,
  0
  ))
  
  
• 
  
  plt.scatter(
  data
  .Setal_length,
  data
  .Setal_width,c=
  data
  .Category_num)
  
  
• 
  
  Set_label(
  'Setal_length'
  ,
  'Seta_width'
  )
  
  
• 
  
  plt.title(
  "据萼片长度和宽度的种类分布图"
  )
  
  
• 
  
  plt.subplot2grid((
  3
  ,
  2
  ),(
  0
  ,
  1
  ))
  
  
• 
  
  plt.scatter(
  data
  .Petal_length,
  data
  .Petal_width,c =
  data
  .Category_num)
  
  
• 
  
  Set_label(
  'Petal_length'
  ,
  'Petal_width'
  )
  
  
• 
  
  plt.title(
  "据花瓣长度和宽度的种类分布图"
  )
  
  
• 
  
  plt.subplot2grid((
  3
  ,
  2
  ),(
  1
  ,
  0
  ))
  
  
• 
  
  plt.scatter(
  data
  .Petal_length,
  data
  .Setal_length,c =
  data
  .Category_num)
  
  
• 
  
  Set_label(
  'Petal_length'
  ,
  'Setal_length'
  )
  
  
• 
  
  plt.title(
  "据花瓣长度和萼片长度的种类分布图"
  )
  
  
• 
  
  plt.subplot2grid((
  3
  ,
  2
  ),(
  1
  ,
  1
  ))
  
  
• 
  
  plt.scatter(
  data
  .Petal_width,
  data
  .Setal_width,c =
  data
  .Category_num)
  
  
• 
  
  Set_label(
  'Petal_width'
  ,
  'Setal_width'
  )
  
  
• 
  
  plt.title(
  "据花瓣宽度和萼片宽度的种类分布图"
  )
  
  
• 
  
  plt.subplot2grid((
  3
  ,
  2
  ),(
  2
  ,
  0
  ))
  
  
• 
  
  plt.scatter(
  data
  .Petal_length,
  data
  .Setal_width,c =
  data
  .Category_num)
  
  
• 
  
  Set_label(
  'Petal_length'
  ,
  'Setal_width'
  )
  
  
• 
  
  plt.title(
  "据花瓣长度和萼片宽度的种类分布图"
  )
  
  
• 
  
  plt.subplot2grid((
  3
  ,
  2
  ),(
  2
  ,
  1
  ))
  
  
• 
  
  plt.scatter(
  data
  .Petal_width,
  data
  .Setal_length,c =
  data
  .Category_num)
  
  
• 
  
  Set_label(
  'Petal_width'
  ,
  'Setal_length'
  )
  
  
• 
  
  plt.title(
  "据花瓣宽度和萼片长度的种类分布图"
  )
  
  
• 
  
  plt.tight_layout()
  
  
• 
  
  plt.show()
  
  
• 
  
  ## 可以看出，只有一类的与其他类别有明显的差异存在，另外两类相互之间存在重叠
  
  

更多免费技术资料可关注：annalin1203