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

    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_line        if 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 predicted    plt.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