數據集描述：其包含120條訓練集和30條測試集
對鳶尾花的屬性和標簽之間的可視化操作：
1 import tensorflow as tf 2 import pandas as pd 3 import numpy as np 4 import matplotlib.pyplot as plt 5 6 #鳶尾花數據集 7 8 TRAIN_URL = 'http://download.tensorflow.org/data/iris_training.csv' #數據下載地址 9 train_path = tf.keras.utils.get_file(TRAIN_URL.split('/')[-1], TRAIN_URL) #下載數據，並返回路徑（默認路徑） 10 names = ['花萼長度','花萼寬度','花瓣長度','花瓣寬度','品種'] #自定義列標題 11 df_iris = pd.read_csv(train_path,header=0, names=names) #names指定的列標題會替代header指定的列標題 12 #df_iris.head() #讀取前5行，參數n可以指定行數 tail（n）函數讀取后n行數據 13 14 #可視化 15 fig = plt.figure('Iris Data', figsize=(15,15)) 16 plt.suptitle('鳶尾花數據集\nBule->Setosa | Red->Versicolor | Green->Virginica', fontsize = 30) 17 18 for i in range(4): 19 for j in range(4): 20 plt.subplot(4,4, 4*i+(j+1)) #創建4*4的子畫布，一行一行的循環畫，其中每個子圖的索引為 4*i+(j+1) 21 if i ==j: 22 plt.text(0.3,0.5, names[i], fontsize = 25) #正對角線上的子圖只顯示標簽 23 else: 24 plt.scatter(np.array(df_iris)[:,j], np.array(df_iris)[:,i], c=np.array(df_iris)[:,4], cmap = 'brg') 25 if i == 0: 26 plt.title(names[j], fontsize= 20) #為了美觀，把title當X軸標簽 27 if j == 0: 28 plt.ylabel(names[i], fontsize = 20) #設置Y軸標簽 29 30 plt.tight_layout(rect=[0,0,1,0.9]) #自動調整子圖布局，設置0.9是為了給全局標題一點空間，避免擁擠 31 plt.savefig('Iris.jpg') 32 plt.show()
tf.keras.utils.get_file函數用於下載數據集,其參數介紹如下：
這里說明一下plt.scatter（）函數中的參數c和 cmap，c用於指定一個有重復列表，cmap是一個顏色序列。
例如c=[0,1,2,0,1,2,0,1,2],cmap = ‘brg’ ，那么在繪圖的過程中cmap中的顏色序列就會對c列表中值進行配對，最后0->b, 1->r, 2->g
所以c中的序列畫出來的顏色就是[b,r,g,b,r,g,b,r,g]
