本文将介绍如何使用 scikit-learn 库加载 Iris 数据集，并将其转换为 Pandas DataFrame。我们将展示如何查看 DataFrame 的信息，以及如何使用 `describe()` 方法获取数据集的描述性统计信息。此外，还将介绍两种在 Jupyter Notebook 或类似环境中更美观地显示 DataFrame 的方法。
Iris 数据集是一个经典的数据集，常用于机器学习和数据分析的入门教程。它包含了 150 个样本，每个样本有 4 个特征（萼片长度、萼片宽度、花瓣长度、花瓣宽度），以及一个目标变量（鸢尾花的种类）。
加载 Iris 数据集并创建 DataFrame
首先，我们需要从 sklearn.datasets 模块导入 load_iris 函数，并从 pandas 库导入 DataFrame 类。
from sklearn.datasets import load_iris import pandas as pd
然后，我们可以使用 load_iris() 函数加载 Iris 数据集。
iris = load_iris()
load_iris() 函数返回一个 Bunch 对象，它类似于一个字典，包含了数据集的特征数据、目标变量、特征名称等信息。
接下来，我们可以使用 pandas.DataFrame 类将特征数据转换为 DataFrame。
df = pd.DataFrame(iris.data, columns=iris.feature_names)
这里，iris.data 包含了特征数据，iris.feature_names 包含了特征名称。我们将特征数据和特征名称传递给 DataFrame 构造函数，从而创建一个 DataFrame。
查看 DataFrame 信息
创建 DataFrame 后，我们可以使用 info() 方法查看 DataFrame 的信息，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
查看描述性统计信息
我们还可以使用 describe() 方法查看 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
更美观地显示 DataFrame
在 Jupyter Notebook 或类似环境中，可以使用以下两种方法更美观地显示 DataFrame：
-
df.style: df.style 返回一个 Styler 对象，可以用于格式化 DataFrame 的显示。
df.style
这将以表格形式显示 DataFrame，并且可以进行自定义格式化，例如添加颜色、背景等。
-
display(df): display() 函数是 IPython 提供的一个函数，可以用于显示各种 Python 对象，包括 DataFrame。
from IPython.display import display display(df)
display() 函数会自动检测对象的类型，并使用最合适的显示方式。对于 DataFrame，它会以表格形式显示。
注意事项
- 确保已安装 scikit-learn 和 pandas 库。可以使用 pip install scikit-learn pandas 命令安装。
- 在 Jupyter Notebook 或类似环境中，可以直接运行代码块，查看结果。
- df.info() 和 df.describe() 方法的输出应该直接调用，不需要放在 print() 函数中。
总结
本文介绍了如何使用 scikit-learn 库加载 Iris 数据集，并将其转换为 Pandas DataFrame。我们展示了如何查看 DataFrame 的信息，以及如何使用 describe() 方法获取数据集的描述性统计信息。此外，还介绍了两种在 Jupyter Notebook 或类似环境中更美观地显示 DataFrame 的方法。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。
