鸢尾花数据的箱线图和直方图探索

关于数据集的属性信息：

Attribute Information:
   -> sepal length in cm
   -> sepal width in cm
   -> petal length in cm
   -> petal width in cm
   -> class: 
              Iris Setosa
              Iris Versicolour
              Iris Virginica

Number of Instances: 150 

Summary Statistics:
             Min  Max   Mean    SD   Class Correlation
   sepal length: 4.3  7.9   5.84  0.83    0.7826   
    sepal width: 2.0  4.4   3.05  0.43   -0.4194
   petal length: 1.0  6.9   3.76  1.76    0.9490  (high!)
    petal width: 0.1  2.5   1.20  0.76    0.9565  (high!)

Class Distribution: 33.3% for each of 3 classes.

要获取虹膜数据，请单击此处。

加载库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

加载数据中

data = pd.read_csv("Iris.csv")
  
print (data.head(10))

输出：

描述

data.describe()

输出：

信息

data.info()

输出：
代码#1：萼片长度直方图

plt.figure(figsize = (10, 7))
x = data["SepalLengthCm"]
  
plt.hist(x, bins = 20, color = "green")
plt.title("Sepal Length in cm")
plt.xlabel("Sepal_Length_cm")
plt.ylabel("Count")

输出：

代码#2：萼片宽度直方图

plt.figure(figsize = (10, 7))
x = data.SepalWidthCm
  
plt.hist(x, bins = 20, color = "green")
plt.title("Sepal Width in cm")
plt.xlabel("Sepal_Width_cm")
plt.ylabel("Count")
  
plt.show()

输出：

代码#3：花瓣长度直方图

plt.figure(figsize = (10, 7))
x = data.PetalLengthCm
  
plt.hist(x, bins = 20, color = "green")
plt.title("Petal Length in cm")
plt.xlabel("Petal_Length_cm")
plt.ylabel("Count")
  
plt.show()

输出：

代码#4：花瓣宽度直方图

plt.figure(figsize = (10, 7))
x = data.PetalWidthCm
  
plt.hist(x, bins = 20, color = "green")
plt.title("Petal Width in cm")
plt.xlabel("Petal_Width_cm")
plt.ylabel("Count")
  
plt.show()

输出：

代码 #5：箱线图的数据准备

# removing Id column
new_data = data[["SepalLengthCm", "SepalWidthCm", "PetalLengthCm", "PetalWidthCm"]]
print(new_data.head())

输出 ：

代码 #6：虹膜数据的箱线图

plt.figure(figsize = (10, 7))
new_data.boxplot()

输出 ：