Plotly库中plotly.data.iris()函数：快速加载鸢尾花数据集进行数据分析与可视化

plotly.data.iris() 是 Plotly 库中提供的一个内置函数，用于加载经典的鸢尾花（Iris）数据集。这个数据集常被用作统计学和机器学习的教学示例，因为它具有以下特点：

1. 数据来源

• 数据集最早由英国统计学家兼生物学家 Ronald Fisher 在 1936 年提出，作为多元分析的实例。
• 它包含了三种不同鸢尾花品种（Setosa、Versicolor、Virginica）的样本数据。

2. 数据结构

• iris() 函数返回一个 Pandas DataFrame 对象，包含以下五列数据：
• sepal_length: 萼片长度（厘米）。
• sepal_width: 萼片宽度（厘米）。
• petal_length: 花瓣长度（厘米）。
• petal_width: 花瓣宽度（厘米）。
• species: 标识花朵所属的鸢尾花品种（字符串，取值为 “setosa”、”versicolor” 或 “virginica”）。

3. 数据用途

• 由于数据集中包含了连续数值型变量（萼片和花瓣的尺寸）和分类变量（鸢尾花品种），它非常适合用来演示和练习各种数据分析任务，如：

• 描述性统计分析。
• 监督学习算法训练（如分类问题）。
• 数据可视化，特别是利用颜色、大小或形状对不同品种进行区分的图形。

4. 在 Plotly 中的使用

import plotly.express as px

# 加载鸢尾花数据集
iris_data = px.data.iris()

# 利用 Plotly Express 创建散点图
fig = px.scatter(
    data_frame=iris_data,
    x="sepal_width",
    y="sepal_length",
    color="species"
)

# 显示图表
fig.show()

上述代码片段展示了如何使用 plotly.data.iris() 加载数据集，并通过 Plotly Express 的 px.scatter() 函数创建一个散点图。在这个散点图中，横坐标是萼片宽度，纵坐标是萼片长度，不同鸢尾花品种用颜色加以区分。

总结来说，plotly.data.iris() 是 Plotly 提供的一个便捷方式，用于直接在 Python 环境中获取经典的鸢尾花数据集，以便快速进行数据分析和可视化实验。

存档地址：https://www.yuque.com/worthstudy/study/wemvgkappt7qd4cu?singleDoc# 《px.data.iris()函数》