鸢尾花案例之数据集可视化

1 课程概览

本课讲解如何对鸢尾花数据集进行可视化。将Bunch类型数据集转换为DataFrame，使用seaborn的lmplot函数绘制散点图，通过hue参数按标签分组着色，并使用fit_reg参数控制是否绘制拟合回归线。同时解决中文标题显示不全的问题。

2 核心概念与定义

• DataFrame：pandas中的二维数据结构，seaborn可视化需要此格式。
• seaborn：基于matplotlib的Python数据可视化库。
• lmplot：seaborn中绘制散点图的函数，支持分组着色和拟合回归线。
• hue：lmplot的分组参数，按指定列的不同值着不同颜色。
• fit_reg：lmplot的参数，控制是否绘制拟合回归线（True=绘制，False=不绘制）。
• tight_layout：matplotlib的紧密布局函数，解决标题显示不全的问题。

3 算法与模型详解

3.1 可视化流程

1. 加载数据集
2. 将数据集封装为DataFrame（指定列名）
3. 给DataFrame新增标签列
4. 使用seaborn绘制散点图
5. 设置标题并显示

3.2 DataFrame封装要点

3.3 lmplot函数参数

3.4 拟合回归线说明

• fit_reg=True：绘制拟合回归线，尽可能穿过更多点。
• fit_reg=False：不绘制拟合回归线，仅显示散点。
• 有几个分组（hue值）就绘制几条拟合回归线。

4 数学原理与推导

本课无数学推导。

5 代码示例

import pandas as pd
import seaborn as sns
from matplotlib import pyplot as plt
from sklearn.datasets import load_iris

def dm02_show_iris():
    # 1. 加载数据集
    iris_data = load_iris()
    
    # 2. 将数据集封装为DataFrame
    iris_df = pd.DataFrame(
        data=iris_data.data,
        columns=iris_data.feature_names
    )
    
    # 3. 给DataFrame新增标签列
    iris_df['label'] = iris_data.target
    
    # 4. 绘制散点图
    sns.lmplot(
        data=iris_df,
        x='sepal length (cm)',
        y='sepal width (cm)',
        hue='label',
        fit_reg=False
    )
    
    # 5. 设置标题
    plt.title('iris data')
    
    # 6. 紧密布局（解决标题显示不全）
    plt.tight_layout()
    
    # 7. 显示图像
    plt.show()

if __name__ == '__main__':
    dm02_show_iris()

6 重难点与易错提醒

• ❗重点：seaborn可视化需要DataFrame格式，需将Bunch数据集转换。
• ❗重点：hue参数用于分组着色，按标签列的不同值显示不同颜色。
• ❗重点：tight_layout()解决标题显示不全的问题。
• ⚠️易错：DataFrame封装时需指定columns为feature_names，否则列名显示为0、1、2、3。
• ⚠️易错：中文标题可能显示乱码，需配置中文字体或使用英文标题。
• 💡深入理解：fit_reg=True时，有几个分组就绘制几条拟合回归线。

7 课堂问答精选

Q: 为什么需要将数据集封装为DataFrame？

A: 因为seaborn可视化需要DataFrame格式的数据。原始的Bunch类型数据集不能直接用于seaborn绘图，需要通过pd.DataFrame()转换为DataFrame，并指定列名（columns=feature_names）。

Q: 标题显示不全如何解决？

A: 使用plt.tight_layout()函数，它会自动调整子图参数，使整个图像的边界与子图匹配，解决标题被截断的问题。

8 本课小结

• 可视化流程：加载数据→封装DataFrame→新增标签列→lmplot绘图→设置标题→显示。
• seaborn的lmplot函数：data指定数据，x/y指定轴，hue分组着色，fit_reg控制回归线。
• tight_layout()解决标题显示不全问题。
• DataFrame封装时需指定columns为feature_names。

9 延伸思考与实践

• 实践：修改x、y参数为花瓣长度和宽度，观察散点图变化。
• 思考：fit_reg=True和False的区别是什么？
• 预习：鸢尾花数据集的训练集和测试集划分。