2019.4.15更新：最近想把一些常用的数据集总结一下的，结果发现已经有很多文章写的很好了，不瞎忙活了，这里记录一下：
超全的数据集汇总：
CVonline: Image Databases
这里还有博主把上面的数据集翻译了：
CVonline：图像数据库
UCI常用数据集的介绍：
UCI数据集整理（附论文常用数据集）
本篇的主要内容：
- 使用Pandas对IRIS导入的一些基本操作
IRIS数据集介绍
IRIS数据集也称作鸢尾花数据集，整个数据集共有150条数据，分为三类，每类50条数据，每一条数据都有四个属性：花萼长度，花萼宽度，花瓣长度，花瓣宽度，标签数据共有三种，分别是Setosa，Versicolour，Virginica。一般使用前面的四种属性数据来预测样本属于那种鸢尾花。
具体一些的介绍可以移步百度百科：IRIS数据集
或者这篇博客：iris数据集及简介
全部的数据：iris数据集
导入与基本操作
这里的介绍主要是之前博客中使用了这一些内容，在此简单记录一下。
首先是数据集的导入，有两种方式，第一种是直接使用pandas的read_csv()函数进行导入，例如：
datas = pd.read_csv('iris.csv')
# 看一下导入数据的前5行数据
print(datas.head(5))
# 或者print(datas[:5])
# 看一下列名称
columns_names = datas.columns.tolist()
print(columns_names)
输出：
['Unnamed: 0', 'Sepal.Length', 'Sepal.Width', 'Petal.Length', 'Petal.Width', 'Species']
Unnamed: 0 Sepal.Length Sepal.Width Petal.Length Petal.Width Species
0 1 5.1 3.5 1.4 0.2 setosa
1 2 4.9 3.0 1.4 0.2 setosa
2 3 4.7 3.2 1.3 0.2 setosa
3 4 4.6 3.1 1.5 0.2 setosa
4 5 5.0 3.6 1.4 0.2 setosa
可以看到实际上每一条数据有六列，第一列是DataFrame提供的序号，实际数据是后面的五列，前四列是属性，最后一列是分类。
在分类中，一般不会直接使用数据集中的分类（Setosa，Versicolour，Virginica），而是将这三种分类用数字代替，使用会方便一些，从这里来看，直接从sklearn包的datasets中导入会方便一些，添加引用：
from sklearn.datasets import load_iris
导入数据：
iris = load_iris()
# 看一下返回的数据类型
print(type(iris))
# 输出
# <class 'sklearn.utils.Bunch'>
转化为DataFrame：
df = pd.DataFrame(iris.data, columns=iris.feature_names)
print(df[:5])
输出：
sepal length (cm) sepal width (cm) petal length (cm) petal width (cm)
0 5.1 3.5 1.4 0.2
1 4.9 3.0 1.4 0.2
2 4.7 3.2 1.3 0.2
3 4.6 3.1 1.5 0.2
4 5.0 3.6 1.4 0.2
可以看到再datasets中导入的数据集与我们手动导入的还是有些区别的，最显著的就是将属性数据与标签数据分离了，查看标签数据：
# 注意这里导入的数据中 属性数据在 .data中 ，标签数据在 .target中
labels = iris.target
print(labels[:5]) # 前5行数据的分类都是第一类，也就是0
基本就酱，想到别的再记吧！
以上~
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/116714.html
