Python获取sklearn库中iris数据写入本地csv文件 可视化展示数据并进行分类 聚类实验

今天有点时间就找来了iris数据实验了一下，就是可视化绘图感觉很好玩，就拿这个数据集做了一个实验，下面是简单的实验流程

1.获取iris数据写入本地csv文件，实现如下：

def write_iris_data2csv(csvpath='result/show/iris_data.csv'):'''读取sklearn库中的iris数据写入到csv文件中'''iris=load_iris()data=iris['data'] target=iris['target'].tolist()myfile=open(csvpath, 'wb')mywriter=csv.writer(myfile)mywriter.writerow(['Sepal.Length', 'Sepal.Width', 'Petal.Length', 'Petal.Width', 'Species'])for one_list in data.tolist():one_list.append(target.pop(0))mywriter.writerow(one_list)myfile.close()

数据结果截图如下：

2.绘制iris数据的散点图，iris数据通过打印可以看到一共是150个样本数据，每个样本数据包括4个特征，这里采用的方法是使用第一列数据作为x坐标，采用第二列数据作为y坐标来绘制iris数据的散点图，实现如下：

def draw_iris_data(csvpath='result/show/iris_data.csv', savepath='result/show/iris_data.png'):'''绘制iris数据的散点图'''x_list=[]y_list=[]csv_reader=csv.reader(open(csvpath))for one_line in csv_reader:print one_lineif one_line[0]!='Sepal.Length':x_list.append(one_line[0])y_list.append(one_line[1]) plt.xlabel('sepal-length') plt.ylabel('sepal-width')plt.title("iris_data_pic") plt.scatter(x_list,y_list,c='g',marker='x') plt.legend('x1') plt.savefig(savepath)

结果如下：

3.使用sklearn封装好的决策树模型来对iris数据集进行分类，我们都知道iris数据集中一共是三个类别的花，每个类别样本数均为50，下面是具体实现：

def DT_iris_data(savepath, csvpath='result/show/iris_data.csv'):'''决策树分析iris数据'''x_list=[]y_list=[]data_list=[]label_list=[]csv_reader=csv.reader(open(csvpath))for one_line in csv_reader:if one_line[0]!='Sepal.Length':x_list.append(one_line[0])y_list.append(one_line[1])label_list.append(one_line.pop())data_list.append(one_line) model=DecisionTreeClassifier() model.fit(data_list, label_list)predicted=model.predict(data_list)plt.legend('x1')plt.xlabel('sepal-length')plt.ylabel('sepal-width')plt.title("DT_iris_data_analysis_pic")plt.scatter(x_list, y_list, c=predicted, marker='o') pl.savefig(savepath)

结果如下：

4.使用sklearn库中的Kmeans对iris数据进行聚类处理，结果一共是三个类别，下面是具体实现：

def Kmeans_iris_data(savepath, csvpath='result/show/iris_data.csv'):'''Kmeans分析iris数据''' x_list=[]y_list=[]data_list=[]label_list=[]csv_reader=csv.reader(open(csvpath))for one_line in csv_reader:if one_line[0]!='Sepal.Length':x_list.append(one_line[0])y_list.append(one_line[1])label_list.append(one_line.pop())data_list.append(one_line)model=KMeans(n_clusters=3) model.fit(data_list, label_list)predicted=model.predict(data_list)print 'predicted'print predictedplt.xlabel('sepal-length')plt.ylabel('sepal-width')plt.title("KMeans_iris_data_analysis_pic")plt.scatter(x_list, y_list, c=predicted, marker='o') pl.savefig(savepath)

结果如下：

简单的小实验，sklearn还有很多很多的机器学习模型可以用于分类和聚类实验，感兴趣的话可以都一一尝试一下，欢迎交流

Python获取sklearn库中iris数据写入本地csv文件 可视化展示数据并进行分类 聚类实验以及结果可视化