R语言鸢尾花数据分析代码

首先导包，下面会使用sklearn自带的数据集来演示画图操作

from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt
import pandas as pd

X，Y分别表示鸢尾花的特征和标签，下面的画图会使用到X,Y。 下面的画图有的是Dataframe列名，有的是numpy数据

1、lineplot（线图）

注意:这里我直接用numpy类型，并未转成DataFrame类型

加载sklearn的鸢尾花数据，共150条数据，每个数据有、'sepal length ', 'sepal width ', 'petal length ', 'petal width' 4个特征，共'setosa', 'versicolor', 'virginica'三种类别。

 

 上面的ci=0用于去掉图中的阴影，可以去掉ci=0看看效果。

上面我并未通过DataFrame关键字来获取指定列，所以坐标轴没有标签，我手动plt.xlabel和plt.ylabel进行了指定坐标轴标签。

2、scatterplot（散点图）

 注意：这里可以使用向量而不使用DataFrame中的列名

散点图是分析两个特征变量直接的关系，如果是线性关系，我们就可以去除其中一个特征，相当于去除冗余特征

1、普通散点图

 解释跟上面的线图一样

2、分组散点图

按点所属的类型来进行不同标记，使用hue参数来指分组。下面的hue是指样本的标签target，sns会自动根据标签的不同来分组，即'setosa', 'versicolor', 'virginica'三组，因此有三种不同颜色的点。

 下面增加了style=Y参数，这个也是分组的功能，根据style所选参数来分组点，不同类别的点采用不同的形状，Y有三种类别，所以有三种形状的点

3、pairplot（成对关系图）

注意：这里强制使用DataFrame类型，所以现将X转成了DataFrame类型

将每一列与其他类画散点图，上面的数据集有4个特征，所以有4*4个图

注意， 这个参数必须是DataFrame类型

4、countplot(计数图)

注意：这里可以使用向量作为输入，不需要列名

1、指定参数为x=,即以x轴作为类别，y轴作为计数个数

 2、指定参数y=,即以y轴作为类别，x轴作为计数个数

 5、displot(直方图）

 注意：不是distplot，是displot，distplot已经被官方遗弃，请使用displot

直方图是数值数据分布的精确图形表示。 这是一个连续变量的概率分布的估计，直方图的画法如下：

 1、普通直方图

直方图默认组数是9组，可以通过bins参数来调整组数，横轴是变量的数值范围，纵轴是落在区间的个数

下面的，kde=True参数是画带核密度的直方图

 

2、分类直方图：根据数据所属类别的来画直方图

 解释：上面的三种不同颜色代表三种鸢尾花，通过hue=Y来给数据划分。没给数据X[i, 0]都对应一个Y标签，所以得出三种颜色的柱子。通过x=X[:,0]来指定柱子的方向在x，如果指定y=X[:,0]那么将在y轴显示柱子。

6、lmplot回归图

回归图会自动完成回归拟合，用于分析特征变量之间是否存在关系。

注意：下图是官网的参数介绍，这个函数必须提供，特征X, 特征Y， data， 而且只能是DataFrame类型的列名，通过hue来进行分组。

 

 下图是通过hue=Y参数来进行分组，Y有三种类型，所以有三种不同颜色的点