Python 数据可视化入门教程，涵盖 Anaconda 环境配置与 Jupyter Notebook 操作。通过 scikit-learn 加载鸢尾花数据集，利用 Pandas 进行数据处理，结合 Matplotlib 绘制散点图、饼图及条形图。演示了如何分析特征分布与品种差异，实现从数据采集到可视化的完整流程。
数据可视化的核心不仅是将数据映射为图形，而是一个贯穿整个数据流向的完整过程。这个过程可以分为以下几个关键步骤：
在数据可视化领域，Python 拥有多个强大的库，可以生成各种类型的图形。常用的库包括：
conda create -n myenv python=3.x 来创建环境。conda install <package> 或 pip install <package>。jupyter notebook 启动应用，打开浏览器进行操作。数据可视化的流程可以分为四个主要部分：
这种整体的流程不仅提升了可视化的质量，也为用户提供了高效的分析工具。
下载并安装 Anaconda。
激活环境：
conda activate myenv
打开 Anaconda Prompt，创建新的实验环境并指定 Python 版本：
conda create -n myenv python=3.8
启动 Jupyter Notebook：
jupyter notebook
安装 Jupyter Notebook：
conda install jupyter
在 Anaconda Prompt 中运行以下命令安装 scikit-learn 库：
conda install scikit-learn
# 导入必要的库
from sklearn import datasets
import pandas as pd
import matplotlib.pyplot as plt
# 设置字体以支持中文显示
plt.rcParams['font.family'] = 'Arial Unicode MS'
# 加载鸢尾花数据集
iris = datasets.load_iris()
# 创建 DataFrame 并设置列名
df = pd.DataFrame(iris.data, columns=['SL', 'SW', 'PL', 'PW'])
# 修改列名为中文
df.columns = ['长度', '宽度', '长度 2', '宽度 2']
# 显示前几行数据
print(df.head())
plt.figure(figsize=(10, 6))
plt.scatter(df['长度'], df['宽度'], c=iris.target, cmap='viridis')
plt.xlabel('花萼长度 (cm)')
plt.ylabel('花萼宽度 (cm)')
plt.title('鸢尾花花萼长度与宽度的散点图')
plt.colorbar(label='种类')
plt.show()
plt.rcParams['font.family'] = 'Arial Unicode MS'
df['类别'] = iris.target
df_sum = pd.DataFrame(df.groupby('类别').size(), columns=['数量'])
df_sum.plot.pie(y='数量')
# 导入必要的库
from sklearn import datasets
import pandas as pd
import matplotlib.pyplot as plt
# 设置字体以支持中文显示
plt.rcParams['font.family'] = 'Arial Unicode MS'
# 加载鸢尾花数据集
iris = datasets.load_iris()
# 创建 DataFrame 并设置列名
df = pd.DataFrame(iris.data, columns=['SL', 'SW', 'PL', 'PW'])
df.columns = ['花萼长度', '花萼宽度', '花瓣长度', '花瓣宽度']
# 绘制散点图 - 展示花萼长度与宽度的关系
plt.figure(figsize=(10, 6))
plt.scatter(df['花萼长度'], df['花萼宽度'], c=iris.target, cmap='viridis')
plt.xlabel('花萼长度 (cm)')
plt.ylabel('花萼宽度 (cm)')
plt.title('鸢尾花花萼长度与宽度的散点图')
plt.colorbar(label='种类')
plt.show()
df['种类'] = pd.Categorical.from_codes(iris.target, iris.target_names)
mean_values = df.groupby('种类').mean()
plt.figure(figsize=(10, 6))
mean_values['花萼长度'].plot(kind='bar', color=['#4CAF50', '#FF9800', '#2196F3'])
plt.title('不同鸢尾花品种的平均花萼长度')
plt.xlabel('鸢尾花品种')
plt.ylabel('平均花萼长度 (cm)')
plt.xticks(rotation=0)
plt.show()
使用 plt.scatter() 绘制花萼长度与花萼宽度的关系，并根据鸢尾花品种（iris.target）进行颜色映射。 cmap='viridis' 用来指定颜色图，plt.colorbar() 添加颜色图例，显示各个颜色对应的品种。
使用 groupby('种类') 将鸢尾花数据按种类分类，并计算每种花的平均特征值。 mean_values['花萼长度'].plot(kind='bar') 用于绘制条形图，显示不同品种鸢尾花的平均花萼长度。 color 参数指定了不同品种的颜色，xticks(rotation=0) 保持 x 轴标签不旋转。
散点图提供了特征之间的相关性和品种的分布信息，有助于发现不同品种的分布模式。 条形图则突出展示了不同品种鸢尾花的平均特征值，直观对比它们在某个维度（如花萼长度）上的差异。 这两个可视化方法相结合，有助于从多个角度深入理解鸢尾花数据集中的特征关系和品种差异。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online