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
|
2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
【4月更文挑战第25天】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。
|
3天前
|
数据采集 数据可视化 数据处理
Python从入门到精通的文章3.3.1 深入学习Python库和框架:数据处理与可视化的利器
Python从入门到精通的文章3.3.1 深入学习Python库和框架:数据处理与可视化的利器
|
8天前
|
机器学习/深度学习 数据挖掘 计算机视觉
python数据分析工具SciPy
【4月更文挑战第15天】SciPy是Python的开源库,用于数学、科学和工程计算,基于NumPy扩展了优化、线性代数、积分、插值、特殊函数、信号处理、图像处理和常微分方程求解等功能。它包含优化、线性代数、积分、信号和图像处理等多个模块。通过SciPy,可以方便地执行各种科学计算任务。例如,计算高斯分布的PDF,需要结合NumPy使用。要安装SciPy,可以使用`pip install scipy`命令。这个库极大地丰富了Python在科学计算领域的应用。
12 1
|
9天前
|
数据可视化 数据挖掘 Python
Python中数据分析工具Matplotlib
【4月更文挑战第14天】Matplotlib是Python的数据可视化库,能生成多种图表,如折线图、柱状图等。以下是一个绘制简单折线图的代码示例: ```python import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] plt.figure() plt.plot(x, y) plt.title('简单折线图') plt.xlabel('X轴') plt.ylabel('Y轴') plt.show() ```
13 1
|
9天前
|
数据采集 SQL 数据可视化
Python数据分析工具Pandas
【4月更文挑战第14天】Pandas是Python的数据分析库,提供Series和DataFrame数据结构,用于高效处理标记数据。它支持从多种数据源加载数据,包括CSV、Excel和SQL。功能包括数据清洗(处理缺失值、异常值)、数据操作(切片、过滤、分组)、时间序列分析及与Matplotlib等库集成进行数据可视化。其高性能底层基于NumPy,适合大型数据集处理。通过加载数据、清洗、分析和可视化,Pandas简化了数据分析流程。广泛的学习资源使其成为数据分析初学者的理想选择。
15 1
|
9天前
|
数据可视化 算法 数据挖掘
PYTHON实现谱聚类算法和改变聚类簇数结果可视化比较
PYTHON实现谱聚类算法和改变聚类簇数结果可视化比较
|
9天前
|
Python 数据可视化 索引
PYTHON用GARCH、离散随机波动率模型DSV模拟估计股票收益时间序列与蒙特卡洛可视化
PYTHON用GARCH、离散随机波动率模型DSV模拟估计股票收益时间序列与蒙特卡洛可视化
24 0
PYTHON用GARCH、离散随机波动率模型DSV模拟估计股票收益时间序列与蒙特卡洛可视化
|
9天前
|
存储 机器学习/深度学习 数据可视化
Python面板时间序列数据预测:格兰杰因果关系检验Granger causality test药品销售实例与可视化
Python面板时间序列数据预测:格兰杰因果关系检验Granger causality test药品销售实例与可视化
57 6
|
9天前
|
机器学习/深度学习 数据可视化 算法
PYTHON用决策树分类预测糖尿病和可视化实例
PYTHON用决策树分类预测糖尿病和可视化实例
17 0
|
9天前
|
数据可视化 算法 Python
python中的copula:Frank、Clayton和Gumbel copula模型估计与可视化
python中的copula:Frank、Clayton和Gumbel copula模型估计与可视化
25 0