鸢尾花数据集可视化

数据集描述：其包含120条训练集和30条测试集

 

 对鸢尾花的属性和标签之间的可视化操作：

import tensorflow as tf
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

#鸢尾花数据集

TRAIN_URL = 'http://download.tensorflow.org/data/iris_training.csv' #数据下载地址
train_path = tf.keras.utils.get_file(TRAIN_URL.split('/')[-1], TRAIN_URL)  #下载数据，并返回路径（默认路径）
names = ['花萼长度','花萼宽度','花瓣长度','花瓣宽度','品种']  #自定义列标题
df_iris = pd.read_csv(train_path,header=0, names=names) #names指定的列标题会替代header指定的列标题
#df_iris.head()   #读取前5行，参数n可以指定行数   tail（n）函数读取后n行数据

#可视化
fig = plt.figure('Iris Data', figsize=(15,15))
plt.suptitle('鸢尾花数据集\nBule->Setosa | Red->Versicolor | Green->Virginica', fontsize = 30)

for i in range(4):
    for j in range(4):
        plt.subplot(4,4, 4*i+(j+1))  #创建4*4的子画布，一行一行的循环画，其中每个子图的索引为 4*i+(j+1)
        if i ==j:
            plt.text(0.3,0.5, names[i], fontsize = 25) #正对角线上的子图只显示标签
        else:
            plt.scatter(np.array(df_iris)[:,j], np.array(df_iris)[:,i], c=np.array(df_iris)[:,4], cmap = 'brg')
        if i == 0:
            plt.title(names[j], fontsize= 20)  #为了美观，把title当X轴标签
        if j == 0:
            plt.ylabel(names[i], fontsize = 20) #设置Y轴标签

plt.tight_layout(rect=[0,0,1,0.9])  #自动调整子图布局，设置0.9是为了给全局标题一点空间，避免拥挤
plt.savefig('Iris.jpg')
plt.show()

tf.keras.utils.get_file函数用于下载数据集,其参数介绍如下：

 

 

这里说明一下plt.scatter（）函数中的参数c和 cmap，c用于指定一个有重复列表，cmap是一个颜色序列。

例如c=[0,1,2,0,1,2,0,1,2],cmap = ‘brg’ ，那么在绘图的过程中cmap中的颜色序列就会对c列表中值进行配对，最后0->b, 1->r, 2->g

所以c中的序列画出来的颜色就是[b,r,g,b,r,g,b,r,g]