python数据分析和可视化【2】鸢尾花数据分析

简介: python数据分析和可视化【2】鸢尾花数据分析

实验要求:

读取iris数据集中鸢尾花的萼片、花瓣长度数据(已保存为csv格式),并对其进行排序、去重,并求出和、累计和、均值、标准差、方差、最小值、最大值。

步骤:

1.导入模块 (格式为import … as …)

2.获取数据:可利用csv模块进行读取,也可用其他方法进行读取

3.数据清理:对读取的数据进行处理(将索引号去掉等等)

4.数据统计

(1)将鸢尾花数据集的花瓣长度进行排序。

(2)查看鸢尾花数据集中有几种花瓣长度。(首先提取所有数据的花瓣长度,然后进行去重)

(3)求数据中花瓣长度的和,均值,方差,最小值及最大值。

通过以上操作,可以发现鸢尾花数据集中哪些信息?

数据集:

代码:

# 步骤1:导入模块
import pandas as pd
import numpy as np
# 步骤2:获取数据
iris_data = pd.read_csv('C:\\Users\86178\Desktop\iris.csv')
# 步骤3:数据清理
petal_length = iris_data['Sepal.Length']    #获取长度列,返回一个series序列
# 步骤4:数据统计
# (1) 将鸢尾花数据集的花瓣长度进行排序
sorted_petal_length = petal_length.sort_values()   #对序列中的值进行排序
# (2) 查看鸢尾花数据集中有几种花瓣长度
unique_petal_length = sorted_petal_length.unique()  #返回序列中所有不重复的元素,返回ndarray数组
# (3) 求数据中花瓣长度的和、均值、方差、最小值及最大值
sum_petal_length = petal_length.sum()
mean_petal_length = petal_length.mean()
var_petal_length = petal_length.var()
std_petal_length = petal_length.std()
min_petal_length = petal_length.min()
max_petal_length = petal_length.max()
# 输出结果
print("排序后的花瓣长度数据:")
print(sorted_petal_length)
print("\\n鸢尾花数据集中有几种花瓣长度:", len(unique_petal_length))
print("\\n花瓣长度的和:", sum_petal_length)
print("花瓣长度的均值:", mean_petal_length)
print("花瓣长度的方差:", var_petal_length)
print("花瓣长度的标准差:", std_petal_length)
print("花瓣长度的最小值:", min_petal_length)
print("花瓣长度的最大值:", max_petal_length)

运行结果:

目录
相关文章
|
9天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
33 0
|
2天前
|
机器学习/深度学习 算法 PyTorch
用Python实现简单机器学习模型:以鸢尾花数据集为例
用Python实现简单机器学习模型:以鸢尾花数据集为例
12 1
|
3天前
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
12 2
|
10天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
24 1
|
15天前
|
数据采集 数据可视化 数据挖掘
R语言与Python:比较两种数据分析工具
R语言和Python是目前最流行的两种数据分析工具。本文将对这两种工具进行比较,包括它们的历史、特点、应用场景、社区支持、学习资源、性能等方面,以帮助读者更好地了解和选择适合自己的数据分析工具。
21 2
|
1天前
|
并行计算 数据挖掘 大数据
Python数据分析实战:利用Pandas处理大数据集
Python数据分析实战:利用Pandas处理大数据集
|
1天前
|
数据采集 数据可视化 数据挖掘
利用Python进行数据分析:Pandas库实战指南
利用Python进行数据分析:Pandas库实战指南
|
3天前
|
SQL 数据挖掘 Python
数据分析编程:SQL,Python or SPL?
数据分析编程用什么,SQL、python or SPL?话不多说,直接上代码,对比明显,明眼人一看就明了:本案例涵盖五个数据分析任务:1) 计算用户会话次数;2) 球员连续得分分析;3) 连续三天活跃用户数统计;4) 新用户次日留存率计算;5) 股价涨跌幅分析。每个任务基于相应数据表进行处理和计算。
|
3天前
|
数据采集 数据可视化 数据挖掘
使用Python进行数据分析和可视化
【10月更文挑战第33天】本文将介绍如何使用Python编程语言进行数据分析和可视化。我们将从数据清洗开始,然后进行数据探索性分析,最后使用matplotlib和seaborn库进行数据可视化。通过阅读本文,你将学会如何运用Python进行数据处理和可视化展示。
|
15天前
|
数据采集 机器学习/深度学习 数据可视化
深入浅出:用Python进行数据分析的入门指南
【10月更文挑战第21天】 在信息爆炸的时代,掌握数据分析技能就像拥有一把钥匙,能够解锁隐藏在庞大数据集背后的秘密。本文将引导你通过Python语言,学习如何从零开始进行数据分析。我们将一起探索数据的收集、处理、分析和可视化等步骤,并最终学会如何利用数据讲故事。无论你是编程新手还是希望提升数据分析能力的专业人士,这篇文章都将为你提供一条清晰的学习路径。
下一篇
无影云桌面