数据可视化分析-鸢尾花

最新推荐文章于 2023-08-07 23:24:42 发布

有点意思嘿

最新推荐文章于 2023-08-07 23:24:42 发布

阅读量1.8k

点赞数

文章标签：数据挖掘可视化

本文链接：https://blog.youkuaiyun.com/huainteresting_/article/details/117261695

版权

这篇博客探讨了数据可视化分析在鸢尾花数据集上的应用。作者使用pycharm，结合Echarts和d3库，通过HTML代码进行图表展示。内容包括数据的导入与分类处理、可视化代码实现及展示结果。对于echarts不熟悉的读者，博主建议查阅官方文档以获取更多信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

相信鸢尾花案例是每个初学者都会遇到的，在数据挖掘，深度学习，机器学习都会遇到，今天我们来看一看数据可视化分析中的鸢尾花。

本次我用的是pycharm软件，包含Echarts和d3，由于是html代码,在<head>标签中需要引入

<script src="echarts.min.js"></script>
<script src="d3.min.js"></script>

然后在代码块中对echarts初始化

// 基于准备好的dom，初始化echarts实例
var myChart = echarts.init(document.getElementById('main'));

1.导入鸢尾花数据并进行分类处理

d3.csv("./iris.csv", function (error, data) {//导入数据
        var setosa = [];  
        var versicolor = [];
        var virginica = [];
        var petal_length = [];
        for (i = 0; i < data.length; i++) {
            petal_length.push(parseFloat(data[i].PetalLength));
            if (i < 50) {
                setosa[i] = [parseFloat(data[i].PetalLength), parseFloat(data[i].PetalWidth)]
            } else if (i >= 100) {
                virginica[i - 100] = [parseFloat(data[i].PetalLength), parseFloat(data[i].PetalWidth)]
            } else {
                versicolor[i - 50] = [parseFloat(data[i].PetalLength), parseFloat(data[i].PetalWidth)]
            }
        }
        console.log(petal_length);
        console.log(setosa);
        console.log(versicolor);
        console.log(virginica);
        var setosa_mean = d3.mean(petal_length.slice(0, 50));
        var versicolor_mean = d3.mean(petal_length.slice(50, 100));
        var virginica_mean = d3.mean(petal_length.slice(100, 150));
        console.table([setosa_mean,versicolor_mean,virginica_mean]);

//var option={} 这部分代码放在这里


       myChart.setOption(option)
    })
}

var option = {    
            
            //数据可视化代码
            myChart.setOption(option)
    })

最低0.47元/天解锁文章