实验三---读取iris数据集中鸢尾花的萼片,花瓣长度,并对其进行排序、去重、并求出和,累计和,均值,标准差、方差、最大值和最小值。

这篇具有很好参考价值的文章主要介绍了实验三---读取iris数据集中鸢尾花的萼片,花瓣长度,并对其进行排序、去重、并求出和,累计和,均值,标准差、方差、最大值和最小值。。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1)读取iris数据集中鸢尾花的萼片,花瓣长度

import pandas as pd
import numpy as np
df=pd.read_csv("D:\iris.csv")
print(df)

2)对鸢尾花的萼片,花瓣长度进行排序;

df['Sepal.Length']=df['Sepal.Length'].astype(float)
df['Sepal.Width']=df['Sepal.Width'].astype(float)
df['Petal.Length']=df['Petal.Length'].astype(float)
df['Petal.Width']=df['Petal.Width'].astype(float)

#对鸢尾花的萼片,花瓣长度进行排序
a=np.sort(df['Sepal.Length'])
print(a)
b=np.sort(df['Petal.Length'])
print(b)

3)对鸢尾花的萼片,花瓣长度进行去重;

#去除重复值
print('去重后的萼片长度表为:',np.unique(df['Sepal.Length']))
print('去重后的花瓣长度表为:',np.unique(df['Petal.Length']))

4)求鸢尾花的萼片,花瓣长度的和,以及累计和;

#计算数组总和
print('萼片长度表的总和为:',np.sum(df['Sepal.Length'])) 
print('花瓣长度表的总和为:',np.sum(df['Petal.Length']))  
#计算所有元素的累计和
print('萼片长度表的累计和为:',np.cumsum(df['Sepal.Length']))
print('花瓣长度表的累计和为:',np.cumsum(df['Petal.Length']))

5)求鸢尾花的萼片,花瓣长度的均值;

#计算数组均值
print('萼片长度表的均值为:',np.mean(df['Sepal.Length']))  
print('花瓣长度表的均值为:',np.mean(df['Petal.Length']))  

6)求鸢尾花的萼片,花瓣长度的标准差、方差;

#计算数组标准差
print('萼片长度表的标准差为:',np.std(df['Sepal.Length']))
print('花瓣长度表的标准差为:',np.std(df['Petal.Length']))
#计算数组方差
print('萼片长度表的方差为:',np.var(df['Sepal.Length']))  
print('花瓣长度表的方差为:',np.var(df['Petal.Length']))  

7)求鸢尾花的萼片,花瓣长度的最大值、最小值。

#计算最小值
print('萼片长度表的最小值为:',np.min(df['Sepal.Length']))  
print('花瓣长度表的最小值为:',np.min(df['Petal.Length']))  
#计算最大值
print('萼片长度表的最大值为:',np.max(df['Sepal.Length'])) 
print('花瓣长度表的最大值为:',np.max(df['Petal.Length'])) 

 文章来源地址https://www.toymoban.com/news/detail-718900.html

到了这里,关于实验三---读取iris数据集中鸢尾花的萼片,花瓣长度,并对其进行排序、去重、并求出和,累计和,均值,标准差、方差、最大值和最小值。的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 机器学习01 -Hello World(对鸢尾花(Iris Flower)进行训练及测试)

    机器学习是一种人工智能(AI)的子领域,它探索和开发计算机系统,使其能够从数据中学习和改进,并在没有明确编程指令的情况下做出决策或完成任务。 传统的程序需要程序员明确编写指令来告诉计算机如何执行特定任务。但是,机器学习采用不同的方法。它允许计算机

    2024年02月15日
    浏览(48)
  • Python基于Pytorch Transformer实现对iris鸢尾花的分类预测,分别使用CPU和GPU训练

    iris数据集是机器学习中一个经典的数据集,由英国统计学家Ronald Fisher在1936年收集整理而成。该数据集包含了3种不同品种的鸢尾花(Iris Setosa,Iris Versicolour,Iris Virginica)各50个样本,每个样本包含了花萼长度(sepal length)、花萼宽度(sepal width)、花瓣长度(petal length)、花瓣宽度

    2024年02月01日
    浏览(59)
  • sklearn实验1——使用感知器对鸢尾花数据分类

    感知器算法是最简单的可以学习的机器。感知器算法是很多更复杂算法的基础,如支持向量机和多层感知器人工神经网络。 感知器算法要求样本是线性可分的,通过梯度下降法有限次的迭代后就可以收敛得到一个解。 当样本非线性时,使用感知器算法不会收敛。为了使感知

    2024年02月05日
    浏览(64)
  • 机器学习实验3——支持向量机分类鸢尾花

    基于鸢尾花数据集,完成关于支持向量机的分类模型训练、测试与评估。 代码 认识数据 属性:花萼长度,花萼宽度,花瓣长度,花瓣宽度 分类:Setosa,Versicolour,Virginica 相关性分析 如下图,可以直观看到花瓣宽度(Petal Width)和花瓣长度(Petal Length)存在很高的正相关性,

    2024年01月24日
    浏览(38)
  • 机器学习——鸢尾花数据集

    鸢尾花数据集即iris iris数据集文件: https://pan.baidu.com/s/1saL_4Q9PbFJluU4htAgFdQ .提取码:1234 数据集包含150个样本(数据集的行) 数据集包含4个属性(数据集的列):Sepal Length,Sepal Width,Petal Length,Petal Width:‘feature_names’ 利用numpy.ndarray存储这150x4的数据:‘data’ 分类标签取

    2023年04月08日
    浏览(37)
  • K-Means算法实现鸢尾花数据集聚类

    张勇,男,西安工程大学电子信息学院,2022级研究生 研究方向:智能信息处理与信息系统研究 电子邮件:17605542959@163.com 陈梦丹,女,西安工程大学电子信息学院,2022级硕士研究生,张宏伟人工智能课题组 研究方向:机器视觉与人工智能 电子邮件:1169738496@qq.com K-Means聚类

    2024年02月07日
    浏览(43)
  • 【机器学习案例】不同的模型算法对鸢尾花数据集进行分类

    经典机器学习入门项目,使用逻辑回归、线性判别分析、KNN、分类与回归树、朴素贝叶斯、向量机、随机森林、梯度提升决策树对不同占比的训练集进行分类 数据源 :Iris Species | Kaggle 150行,5列,分三种鸢尾花类型,每种类型50个样本,每行数据包含花萼长度、花萼宽度、花

    2024年02月04日
    浏览(33)
  • 【Python】使用Pandas和随机森林对鸢尾花数据集进行分类

    我在鼓楼的夜色中 为你唱花香自来 在别处 沉默相遇和期待 飞机飞过 车水马龙的城市 千里之外 不离开 把所有的春天 都揉进了一个清晨 把所有停不下的言语变成秘密 关上了门 莫名的情愫啊 请问 谁来将它带走呢 只好把岁月化成歌 留在山河                      🎵

    2024年04月26日
    浏览(34)
  • 【机器学习实例讲解】机器学习-鸢尾花数据集多分类第02课

    问题定义与理解: 明确机器学习任务的目标,是分类、回归、聚类、强化学习还是其他类型的问题。 确定业务背景和需求,了解所处理数据的现实意义。 数据收集: 根据任务目标从各种来源获取原始数据,可以是数据库、文件、传感器、网络日志等。 数据预处理: 数据清

    2024年01月18日
    浏览(35)
  • 【Pytorch】新手入门:基于sklearn实现鸢尾花数据集的加载

    【Pytorch】新手入门:基于sklearn实现鸢尾花数据集的加载 🌈 个人主页:高斯小哥 🔥 高质量专栏:Matplotlib之旅:零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程👈 希望得到您的订阅和支持~ 💡 创作高质量博文(平均质量分92+),分享更多关于深度学

    2024年03月11日
    浏览(47)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包