[全]Python数据分析实战,尾鸢花数据集数据分析

Python数据分析实战，尾鸢花数据集数据分析

本节所使用的尾鸢花数据集是Python中自带的数据集，常用于机器学习分类算法模型，其中sepal_length_cm、sepal_width_cm、petal_length_cm、petal_width_cm、class字段代表的含义分别是花萼长度、花萼宽度、花瓣长度、花瓣宽度、尾鸢花的类别。

一、数据来源

二、问题探索

通过数据可视化和分析，按照尾鸢花的特征分出尾鸢花的类别。

三、数据清洗

(150, 5)

共有150条数据，5列。

由描述统计可以看出，数据没有缺失值。

利用seaborn绘制散点图矩阵，通过第一列可看出，有几个Iris-versicolor样本中的sepal_length_cm值偏移了大部分的点，通过第二行可看出，一个Iris-setosa样本的sepal_width_cm值偏离了大部分点。

对通过Iris-setosa的花萼宽度绘制直方图也能观测出异常。

过滤小于2.5cm的数据后再做直方图。

通过索引选取Iris-versicolor样本中sepal_length值小于0.1的数据，选取异常数据。

发现花瓣宽度有5条缺失值，由于3种分类数据样本均衡，直接将缺失值删除处理。

发现花瓣宽度有5条缺失值。

(144, 5)

数据清洗后，有144条数据，5列。

四、数据探索

绘制散点矩阵图可以发现，大部分情况下数据接近正态分布，而且Iris-setosa 与其他两种花是线性可分的，其他两种花型可能需要非线性算法进行分类。

通过petal_length_cm（花瓣长度）可以轻松区分Iris-setosa与其他两种花。