sklearn自带数据集怎么进行数据描述

最新推荐文章于 2024-11-21 23:39:11 发布

原创最新推荐文章于 2024-11-21 23:39:11 发布 · 256 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#sklearn #python #数据分析

python 同时被 2 个专栏收录

18 篇文章

订阅专栏

机器学习

1 篇文章

订阅专栏

本文通过sklearn的红酒数据集，展示了数据加载、描述性统计、直方图、密度图、箱线图、散点矩阵图以及相关矩阵图的Python实现，用于探索和理解数据特征的关系。

以sklearn的红酒数据集为例

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.datasets import load_wine

data = load_wine()
df = pd.DataFrame(data.data, columns=data.feature_names)

print("维度：\n",df.shape)
print("特征属性的字段类型：\n",df.dtypes)
print("输出前20行：\n",df.head(20))
print("描述性统计：\n",df.describe())

print("自带数据集直接查看描述性统计：\n",data.DESCR)


# 直方图
df.hist(bins=20, figsize=(15, 10))
plt.show()

# 密度图
import seaborn as sns

fig, axes = plt.subplots(4, 4, figsize=(16, 16))
axes = axes.ravel()

for i, feature in enumerate(df.columns):
    sns.kdeplot(data=df[feature], ax=axes[i])
    axes[i].set_title(f'Density Plot - {feature}')

# 隐藏多余的子图
for j in range(len(df.columns), len(axes)):
    axes[j].set_visible(False)

plt.tight_layout()
plt.show()

# 箱线图
sns.boxplot(data=df, palette="Set2")
plt.show()

# 散点矩阵图
sns.pairplot(df)
plt.show()

# 相关矩阵图
corr = df.corr()
sns.heatmap(corr, annot=True, cmap='coolwarm')
plt.show()