当前位置：首页>python>AI编程时代更需要的底层能力培养,Python数据分析(四)| 能力打通:iris数据可视化分析

AI编程时代更需要的底层能力培养,Python数据分析(四)| 能力打通:iris数据可视化分析

2026-10-11 07:44:38

本系列是我之前给学生们培训『如何利用Python进行数据分析』的课程代码，即使在AI coding盛行的时代，它也是非常实用且必要的学习项。

AI时代，古法编程已是一股清流，但相信我，

那些花在啃底层、拆原理、写原生代码上的时间，最终都会变成你在AI时代的核心竞争力！

课程代码（教学级）和数据集已整理到网盘，内容更全面，

关注『AI Power Lab』，对话框输入“iris”免费获取~

Python数据分析系列教程

1. AI编程时代更需要的底层能力培养，Python数据分析（一） | NumPy基础教程+面试题串讲

2. AI编程时代更需要的底层能力培养，Python数据分析（二） | Pandas基础教程+面试题串讲

3. AI编程时代更需要的底层能力培养，Python数据分析（三）| 数据可视化教程+面试题串讲

4. 能力打通：iris数据可视化分析（本篇）

鸢尾花（Iris）数据集是数据分析与机器学习中最经典的数据集之一，包含三种鸢尾花的测量数据，

今天我们把前面几篇教程讲解的Numpy、Pandas、可视化串起来实践一遍，进行一次深度的可视化数据分析，全面直观地掌握一个数据集的整体/细节情况，便于进一步特征工程、建模分析等。

数据读取和处理

本次实践我们需要用到以下依赖库

#引入相关模块import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as sns#内嵌绘图，可以省略掉plt.show()这一步%matplotlib inline%config InlineBackend.figure_format = 'retina'

读取并查看鸢尾花数据集

iris=pd.read_csv("D:\DM\python\iris.txt")iris.head()#数据行列数iris.shape#数据集信息iris.info()#数据集统计特征iris.describe()#统计鸢尾花种类数以及各种类样本数iris["species"].value_counts()

执行上述代码，你将看到，

iris数据集共150条样本，每条样本有5个特征，前四个特征为数值类型、后一个特征为字符类型
数据集中没有缺失值，数据完整
150个样本分布在3个种类中，每个种类有50个样本

处理数据集

异常值处理（iris数据集干净，不涉及）
缺失值处理（iris数据集干净，不涉及）
按品种切分数据

#按品种切分数据versicolor=iris[iris.species=="Iris-versicolor"]virginica=iris[iris.species=="Iris-virginica"]setosa=iris[iris.species=="Iris-setosa"]print(versicolor.shape,virginica.shape,setosa.shape)# 输出(50, 5) (50, 5) (50, 5)

可视化&分析

观察各品种样本均衡度

基于饼图，

#统计各品种样本数，存放在list中species_count=pd.DataFrame(iris["species"].value_counts())species=species_count.index.tolist()count=species_count.species.tolist()fig=plt.figure(figsize=(8,8))plt.pie(count,labels=species,colors=['c','orange','gray'],startangle=90,\       explode=(0.08,0,0),autopct='%1.1f%%')plt.axis('equal')

从饼图可以看到，样本分布均匀

观察不同品种各属性的统计特征

基于箱线图，

#直接利用seaborn快速绘图fig=plt.figure(figsize=(12,10))ax1=fig.add_subplot(2,2,1)sns.boxplot(data=iris,x="species",y="sepal_length")plt.title("不同品种鸢尾花花萼长度箱线图",fontsize=16,fontweight="bold")ax2=fig.add_subplot(2,2,2)sns.boxplot(data=iris,x="species",y="sepal_width")plt.title("不同品种鸢尾花花萼宽度箱线图",fontsize=16,fontweight="bold")ax3=fig.add_subplot(2,2,3)sns.boxplot(data=iris,x="species",y="petal_length")plt.title("不同品种鸢尾花花瓣长度箱线图",fontsize=16,fontweight="bold")ax4=fig.add_subplot(2,2,4)sns.boxplot(data=iris,x="species",y="petal_width")plt.title("不同品种鸢尾花花瓣宽度箱线图",fontsize=16,fontweight="bold")

从以上箱线图的分布，已经可以看出各品种花朵的形状

1.setosa品种的花瓣长宽都非常小(花朵很小啊)，与其他两个品种形成较大差异，该品种花萼长度在三个品种中最短，花萼宽度却是最长的；还可以看到，setosa品种的花萼远大于其花瓣，如下图：

2.versicolor品种的花瓣长宽、花萼长度都处于三个品种的中间水平，而其花萼宽度普遍是最短的，该品种花萼与花瓣大小可比，如下图：

3.virginica品种的花瓣长宽是三个品种最大的(花朵普遍较大)，花萼呈现长窄状，如下图：

观察不同品种各属性值的分布情况

基于直方图，

#plt.style.use("ggplot")ax=sns.FacetGrid(iris,hue='species',size=4).map(plt.hist,'sepal_length').add_legend()bx=sns.FacetGrid(iris,hue='species',size=4).map(plt.hist,'sepal_width').add_legend()cx=sns.FacetGrid(iris,hue='species',size=4).map(plt.hist,'petal_length').add_legend()dx=sns.FacetGrid(iris,hue='species',size=4).map(plt.hist,'petal_width').add_legend()

与箱线图类似，可以很直观的看到，setosa品种的花瓣是最小的，virginica品种的花瓣最大
从数值分布来看，不论哪个品种，花萼的长宽总是大于花瓣的

观察不同品种两两属性的特征

基于散点图，

plt.style.use("bmh")plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus'] = Falseax=sns.FacetGrid(iris,hue="species",size=6).map(plt.scatter,'sepal_length','sepal_width').add_legend()plt.title("各品种花萼长宽散点图",fontsize=16,fontweight="bold")bx=sns.FacetGrid(iris,hue="species",size=6).map(plt.scatter,'petal_length','petal_width').add_legend()plt.title("各品种花瓣长宽散点图",fontsize=16,fontweight="bold")

从花瓣长宽散点图来看，品种之间具有良好区别度，setosa品种花瓣最小
从花萼长宽散点图来看，versicolor和virginica品种的数据较为混杂
综合来看，setosa品种具有很好的区别度，可以通过花瓣、花萼尺寸很好的识别出来；versicolor和virginica品种花萼数据较为混杂，需要结合花瓣尺寸共同识别

关联性分析（进阶）

多变量图

快速观察不同品种各变量的分布情况以及属性两两之间的关系

sns.pairplot(iris,hue="species")

多变量图其实融合了前述的散点图、直方图，可以快速了解数据集统计分布情况

热力图（特征工程常用）

相关性分析对于后续特征选择非常重要，鸢尾花数据集特征较少，不需要特征选择，这里仅作为示例.

目的：观察各属性与品种的相关性
方法：将品种编码，分析各属性与品种的关系

#使用映射函数map()将species各字符值映射到数值iris["species"]=iris.species.map({'Iris-setosa':1,'Iris-versicolor':2,'Iris-virginica':3})fig=plt.figure(figsize=(10,10))sns.heatmap(iris.corr(),vmax=1,square=True,annot=True)