python鳶尾花數(shù)據(jù)集分析，python 和鳶尾花數(shù)據(jù)集

xrange(3)的作用可以簡單理解為生成了一個數(shù)列：[0, 1, 2]因此，變量t 的取值依次為0，1，2。

搜一下：python 和鳶尾花數(shù)據(jù)集

from sklearn.datasets import load_irisiris = load_iris()print(iris.keys())n_samples, n_features = iris.data.shapeprint((n_samples, n_features))print(iris.data[0])print(iris.target.shape)print(iris.target)print(iris.target_names)print("feature_names:",iris.feature_names)sklearn中的iris數(shù)據(jù)集有5個key：[‘target_names’, ‘data’, ‘target’, ‘DESCR’, ‘feature_names’] (150L, 4L)data[0]:[ 5.1 3.5 1.4 0.2](‘feature_names:’, [‘sepal length (cm)’, ‘sepal width (cm)’, ‘petal length (cm)’, ‘petal width (cm)’])(150L,)[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2][‘setosa’ ‘versicolor’ ‘virginica’]target_names : 分類名稱 target：分類（150個） feature_names: 特征名稱 data : 特征值

1、為什么用Python做數(shù)據(jù)分析首先因為Python可以輕松地集成C、C++、Fortran代碼，一些底層用C寫的算法封裝在python包里后性能非常高效。并且Python與Ruby都有大量的Web框架，因此用于網(wǎng)站的建設(shè)，另一方面?zhèn)€人覺得因為Python作為解釋性語言相對編譯型語言更為簡單，可以通過簡單的腳本處理大量的數(shù)據(jù)。而組織內(nèi)部統(tǒng)一使用的語言將大大提高工作效率。2、為什么用R做數(shù)據(jù)分析R的優(yōu)勢在于有包羅萬象的統(tǒng)計函數(shù)可以調(diào)用，特別是在時間序列分析方面（主要用在金融分析與趨勢預測）無論是經(jīng)典還是前沿的方法都有相應(yīng)的包直接使用；相比python在這方面貧乏不少。另外R語言具有強大的可視化功能，一個散點圖箱線圖可以用一條程序搞定，相比Excel更加簡單。在使用環(huán)境方面，SAS在企業(yè)、政府及軍事機構(gòu)使用較多，因其權(quán)威認證；SPSS、R大多用于科研機構(gòu)，企業(yè)級應(yīng)用方面已有大量的商業(yè)化R軟件，同時可結(jié)合（具體怎么結(jié)合，尚未搞明白）Hadoop進行數(shù)據(jù)挖掘。

近年來分析學在數(shù)據(jù)、網(wǎng)絡(luò)、金融等領(lǐng)域獲得了突出的地位。應(yīng)用各種軟件組合起來進行數(shù)據(jù)收集，數(shù)據(jù)管理，以及數(shù)據(jù)分析，得出的結(jié)論用作商業(yè)決策，業(yè)務(wù)需求分析等等。分析學用于研究一個產(chǎn)品的市場效應(yīng)，銀行的貸款決定，這些都只是分析學的冰山一角。它在大數(shù)據(jù)，安全，數(shù)字和軟件分析等領(lǐng)域有很深遠的影響，下面是python在分析學中的主要作用的一個延續(xù)：在這個信息過載的世界，只有那些可以利用解析數(shù)據(jù)的優(yōu)勢來得出見解的人會獲益。python對于大數(shù)據(jù)的解釋和分析具有很重要的作用。分析公司開發(fā)的很多工具都是基于python來約束大數(shù)據(jù)塊。分析師們會發(fā)現(xiàn)python并不難學，它是一個強有力的數(shù)據(jù)管理和業(yè)務(wù)支持的媒介。使用單一的語言來處理數(shù)據(jù)有它的好處。如果你以前曾經(jīng)使用過c++或者java，那么對你來說，python應(yīng)該很簡單。數(shù)據(jù)分析可以使用python實現(xiàn)，有足夠的python庫來支持數(shù)據(jù)分析。 pandas是一個很好的數(shù)據(jù)分析工具，因為它的工具和結(jié)構(gòu)很容易被用戶掌握。對于大數(shù)據(jù)來說它無疑是一個最合適的選擇。即使是在數(shù)據(jù)科學領(lǐng)域，python也因為它的“開發(fā)人員友好性”而使其他語言相形見絀。一個數(shù)據(jù)科學家熟悉python的可能性要比熟悉其他語言的可能性高得多。除了python在數(shù)據(jù)分析中那些很明顯的優(yōu)點(易學，大量的在線社區(qū)等等)之外，在數(shù)據(jù)科學中的廣泛使用，以及我們今天看到的大多數(shù)基于網(wǎng)絡(luò)的分析，是python在數(shù)據(jù)分析領(lǐng)域得以廣泛傳播的主要原因。不論是金融衍生品還時大數(shù)據(jù)分析，python都發(fā)揮了重要的作用。就前者而言，python能夠很好地和其它系統(tǒng)，軟件工具以及數(shù)據(jù)流結(jié)合在一起，當然也包括r。用python來對大數(shù)據(jù)做圖表效果更好，它在速度和幫助方面也一樣可靠。有些公司使用python進行預測分析和統(tǒng)計分析。