如何理解sklearn的load_iris函数？解析出的数据是什么格式？

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

本文继续讨论sklearn里面的鸢尾花数据集，在上一篇文章里面，苏南大叔对这个鸢尾花数据集做了简要的描述，也给出了获取鸢尾花数据集的几个途径。那么，本文中，就描述一下sklearn里面，如何加载自带的iris鸢尾花数据集。

大家好，这里是苏南大叔的程序如此灵动博客，记录苏南大叔和计算机代码的故事。本文描述sklearn加载自带的鸢尾花数据集，返回的数据格式类型，是Bunch类型，还是tuple类型，或者是dataframe类型。测试环境：win10，python@3.11.0，pip@23.0.1，scikit-learn@1.2.2。

加载方式预览load_iris()

sklearn里面内置鸢尾花数据集！是个csv文件！所以，load_iris()仅仅是读取这个已经存在于本地的csv文件而已！没有什么不可理解，sklearn的命名，已经表明了自己的立场：learn。

load_iris()的函数原型是：

load_iris(*, return_X_y=False, as_frame=False)

获得机器学习代码中，所需要的数据变量为三个。

• 由四个字段（Sepal Length、Sepal Width、Petal Length、Petal Width）所组成的数据data。
• 由最后一个字段（target）所组成的数据target。
• 对target做出合理解释的target_name。

默认返回值Bunch类型（ndarray）

from sklearn.datasets import load_iris
iris = load_iris()
print(type(iris),iris)

默认的load_iris()的返回值是个sklearn自定义的Bunch类型。并且对于sklearn自带的datasets来说，这个Bunch类型的返回值，还具有一些特定的key。比如：

print(type(iris["data"]),iris["data"])
print(type(iris["target"]),iris["target"])
print(type(iris["target_names"]),iris["target_names"])
print(iris.feature_names)   # 每一列数据的解释，实际的列名
print(iris.filename)        # 真实的数据库`csv`文件地址
print(iris.frame)
print(iris.data_module)
print(iris.DESCR)

这个Bunch类型，看着有些眼晕吧？其实就是个加强版的dict类型，但是写法更自由一些。

这些数据看着蛮多，对于机器学习来说，仅仅需要.data和.target，以及对.target做出解释的.target_names。

下面的代码可以对这个数据集进行一下更直观的还原：

from sklearn import datasets
import pandas as pd
iris = datasets.load_iris()
csv = pd.DataFrame(data=iris.data, columns=iris.feature_names)
print(csv)

返回值Bunch类型（dataframe）

from sklearn.datasets import load_iris
iris = load_iris(as_frame=True)
print(type(iris),iris)

可以看到：
虽然整体上还是一个Bunch类型，但是，主要的返回值数据类型，都发生了变化。特别是iris["frame"]，变化最明显。

返回值tuple类型(ndarray)

一个参数return_X_y=True扭转大局，返回值从一个奇怪的Bunch类型变成了更常见的tuple类型。

from sklearn.datasets import load_iris
iris = load_iris(return_X_y=True)
print(type(iris),iris)

能够拿到的两个值是：

返回值tuple类型(DataFrame)

from sklearn.datasets import load_iris
iris = load_iris(return_X_y=True,as_frame=True)
print(iris,type(iris))

样本数据

在鸢尾花数据集里面，最重要的就是“样本数据”了，它们一共有四列，分别是：

花瓣很好理解，大家都知道。萼片（花萼）其实就是包裹在花瓣外面的那个最外层的东东。鸢尾花的萼片和花瓣似乎有些难以区分，但是如果类比成大家常见的月季花的话，萼片就是最外层那个绿色的一层，最不起眼的那一层。

相关文章

• https://newsn.net/say/iris.html
• https://newsn.net/say/sklearn.html
• https://scikitlearn.com.cn/

总结

本文的代码的分析，均来自对sklearn的_base.py文件中的load_iris()的代码解读，无论哪种数据加载方式，都必须解读出data和target这两个重要的数据，也就是说机器学习所需要的_X和_y数据，才能继续机器学习的后续代码逻辑。

• https://newsn.net/tag/sklearn/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。