本文将详细介绍如何使用 Python 的 sklearn 库加载 Iris 数据集，并将其转换为 Pandas DataFrame。我们将学习如何检查数据集的信息，并使用 .describe() 方法获取数据集的描述性统计信息。此外，还将介绍如何在 Jupyter Notebook 中以表格形式更美观地展示 DataFrame。
加载 Iris 数据集并创建 DataFrame
Iris 数据集是机器学习中一个经典的数据集，它包含了 150 个样本，每个样本有 4 个特征，分别是萼片长度、萼片宽度、花瓣长度和花瓣宽度。我们可以使用 sklearn.datasets.load_iris() 函数加载这个数据集。
from sklearn.datasets import load_iris import pandas as pd iris = load_iris()
加载完成后，我们可以将数据转换为 Pandas DataFrame，方便后续的数据分析和处理。load_iris() 函数返回一个 Bunch 对象，其中 data 属性包含了数据集的特征数据，feature_names 属性包含了特征的名称。
df = pd.DataFrame(iris.data, columns=iris.feature_names)
检查 DataFrame 的信息
创建 DataFrame 后，我们可以使用 .info() 方法查看 DataFrame 的基本信息，包括列名、数据类型、非空值的数量等。
df.info()
这将输出 DataFrame 的摘要信息，例如：
RangeIndex: 150 entries, 0 to 149 Data columns (total 4 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 sepal length (cm) 150 non-null float64 1 sepal width (cm) 150 non-null float64 2 petal length (cm) 150 non-null float64 3 petal width (cm) 150 non-null float64 dtypes: float64(4) memory usage: 4.8 KB
获取描述性统计信息
我们可以使用 .describe() 方法获取 DataFrame 的描述性统计信息，包括均值、标准差、最小值、最大值、四分位数等。
df.describe()
这将输出 DataFrame 的描述性统计信息，例如：
sepal length (cm) sepal width (cm) petal length (cm) petal width (cm) count 150.000000 150.000000 150.000000 150.000000 mean 5.843333 3.057333 3.758000 1.199333 std 0.828066 0.435866 1.765298 0.762238 min 4.300000 2.000000 1.000000 0.100000 25% 5.100000 2.800000 1.600000 0.300000 50% 5.800000 3.000000 4.350000 1.300000 75% 6.400000 3.300000 5.100000 1.800000 max 7.900000 4.400000 6.900000 2.500000
注意： .info() 和 .describe() 方法本身就会打印信息，不需要再用 print() 函数包裹。如果使用 print(df.info())，会先打印 DataFrame 的信息，然后打印 None，因为 .info() 方法返回 None。
在 Jupyter Notebook 中更美观地展示 DataFrame
在 Jupyter Notebook 中，我们可以使用 df.style 或 display(df) 来更美观地展示 DataFrame。
使用 df.style
df.style 可以对 DataFrame 的样式进行自定义，例如设置背景颜色、字体颜色、格式等。这里我们只展示其最基本的使用方法。
df.style
这将在 Jupyter Notebook 中以表格形式展示 DataFrame，并且可以进行排序、过滤等操作。
使用 display(df)
display(df) 函数是 IPython.display 模块中的一个函数，可以更美观地展示 DataFrame。
from IPython.display import display display(df)
这与直接输入 df 的效果类似，但在某些情况下，display() 函数可以提供更好的展示效果。
总结
本文介绍了如何使用 sklearn 库加载 Iris 数据集，并将其转换为 Pandas DataFrame。我们学习了如何检查 DataFrame 的信息，并使用 .describe() 方法获取数据集的描述性统计信息。此外，还介绍了如何在 Jupyter Notebook 中以表格形式更美观地展示 DataFrame。掌握这些基本操作，可以为后续的数据分析和机器学习任务打下坚实的基础。
