机器学习iris数据集导入

Iris数据集在模式识别研究领域应该是最知名的数据集了，有很多文章都用到这个数据集。这个数据集里一共包括150行记录，其中前四列为花萼长度，花萼宽度，花瓣长度，花瓣宽度等4个用于识别鸢尾花的属性，第5列为鸢尾花的类别（包括Setosa，Versicolour，Virginica三类）。也即通过判定花萼长度，花萼宽度，花瓣长度，花瓣宽度的尺寸大小来识别鸢尾花的类别。

这个数据集可以从UCI数据集上直接下载，具体地址为：http://archive.ics.uci.edu/ml/datasets/Iris。打开页面后点击Data folder就可以下载到本地磁盘上，默认格式为逗号分隔的文本文件。也可以直接从sklearn包里datasets里导入，语法为：from sklearn.datasets import load_iris。

一、如果从本地磁盘上读入该数据集，可以采用pandas包里的read_excel或者read_csv方法，也可以利用python里面的csv包来处理。

具体如下：

import pandas as pd

data=pd.read_csv('iris.data')      #iris.data数据与程序文件存放在同一目录下

print data.head(5)  #可以查看一下前5行数据，检查是否读取正确

attributes=data[['sl','sw','pl','pw']]  #前四列属性简化为sl，sw，pl，pw
types=data['type'] #第5列属性为鸢尾花的类别

      sl   sw   pl   pw
0    5.1  3.5  1.4  0.2
1    4.9  3.0  1.4  0.2
2    4.7  3.2  1.3  0.2
3    4.6  3.1  1.5  0.2
4    5.0  3.6  1.4  0.2
5    5.4  3.9  1.7  0.4
6    4.6  3.4  1.4  0.3
7    5.0  3.4  1.5  0.2    

如果要读取单列数据，就采用data['sl']或者data['pl']，加入列属性值就可以。

二、如果从数据包里导入，直接利用sklearn包datasets模块导入 import load_iris。如下：

from sklearn.datasets import load_iris

iris=load_iris()   

attributes=iris.data  #获取属性数据
target=iris.target  #获取类别数据，这里注意的是已经经过了处理，target里0、1、2分别代表三种类别
labels=irs.feature_names #获取列属性值

如下打印出来的属性列数据：

[[ 5.1  3.5  1.4  0.2]
 [ 4.9  3.   1.4  0.2]
 [ 4.7  3.2  1.3  0.2]
 ..., 
 [ 6.5  3.   5.2  2. ]
 [ 6.2  3.4  5.4  2.3]
 [ 5.9  3.   5.1  1.8]]