Python Sklearn load_iris

from sklearn.datasets import load_iris

예제

# iris 데이터를 로드하여 결측치, 이상치를 검사하고 이상치가

# 있다면 각 품종별 평균값으로 대치해보세요

# 위의 검사를 마치고 품종별로 색상을 적용해 산정도를 그려보세요

# 산정도에는 3개의 변수만 사용할 수 있으므로 상관계수를 확인하여

# 높은 변수를 사용하여 차트를 그려보세요

# 산정도가 정상적으로 표시되면 그 데이터를 csv 파일에 저장해보세요

# sample_iris.csv

iris = load_iris()

sample_iris = pd.DataFrame(iris.data,columns=iris.feature_names)

# 결측치 검사

sample_iris.is_null()

	sepal length (cm)	sepal width (cm)	petal length (cm)	petal width (cm)	target
0	False	False	False	False	False
1	False	False	False	False	False
2	False	False	False	False	False
3	False	False	False	False	False
4	False	False	False	False	False
...	...	...	...	...	...
145	False	False	False	False	False
146	False	False	False	False	False
147	False	False	False	False	False
148	False	False	False	False	False
149	False	False	False	False	False

# 이상치 시각화

plt.boxplot(df)

# 이상치 검출

rows_name = "sepal length (cm)"

desc = df.iloc[:,rows_name].describe()

Q1 = desc['25%']

Q3 = desc['75%']

IQR = Q3 - Q1

min_lim = Q1 - IQR*1.5

max_lim = Q3 + IQR*1.5

display(df[df.loc[:,rows_name]>max_lim])

display(df[df.loc[:,rows_name]<min_lim])

# 이상치를 평균으로 변경

rows_name = 'sepal width (cm)'

mean = df.loc[:,rows_name].mean()

df.loc[df[rows_name]>max_lim,rows_name] = mean

df.loc[df[rows_name]<min_lim,rows_name] = mean

# 상관계수

df.corr()

	sepal length (cm)	sepal width (cm)	petal length (cm)	petal width (cm)	target
sepal length (cm)	1.000000	-0.123051	0.871754	0.817941	0.782561
sepal width (cm)	-0.123051	1.000000	-0.400165	-0.335913	-0.400176
petal length (cm)	0.871754	-0.400165	1.000000	0.962865	0.949035
petal width (cm)	0.817941	-0.335913	0.962865	1.000000	0.956547
target	0.782561	-0.400176	0.949035	0.956547	1.000000

# 산점도 시각화

plt.scatter(df['petal length (cm)'],df['petal width (cm)'],c=df['target'])

# csv파일로 저장

df.to_csv('sample_iris.csv')