python数据科学系列

• 🌸个人主页：JoJo的数据分析历险记
• 📝个人介绍：小编大四统计在读，目前保研到统计学top3高校继续攻读统计研究生
• 💌如果文章对你有帮助，欢迎关注、点赞、收藏、订阅专栏

文章目录

• • python数据科学系列
• 🥇1.加载sklearn包中的数据集
• 🥇2.创建模拟数据集
• • 🥈2.1 回归数据集
  • 🥈2.2 分类模拟数据集
  • 🥈2.3 聚类数据集
• 🥇3. 加载CSV文件
• 🥇4. 加载excel文件
• 🥇5. 查询SQL数据库

加载数据是我们进行数据分析的第一步，本文主要介绍以下几个常用的方面导入数据集

• 加载scikit-learn中的数据集
• 创建模拟数据集
• 导入csv数据集
• 导入excel数据集
• 连接mysql数据库

🥇1.加载sklearn包中的数据集

sklearn是一个机器学习库，里面包含了许多机器学习数据集。例如：

• load_boston 波士顿房价的观测值 用于研究回归算法

• load_iris 150个花的数据，用于研究分类算法

• load_digits 手写数字图片的观测值，用于研究图形分类算法的优质数据集

from sklearn import datasets

# 手写数字数据集digits = datasets.load_digits()

# 创建特征向量features = digits.data# 创建目标向量tatget = digits.target

features[0]

array([ 0.,  0.,  5., 13.,  9.,  1.,  0.,  0.,  0.,  0., 13., 15., 10.,15.,  5.,  0.,  0.,  3., 15.,  2.,  0., 11.,  8.,  0.,  0.,  4.,12.,  0.,  0.,  8.,  8.,  0.,  0.,  5.,  8.,  0.,  0.,  9.,  8., 0.,  0.,  4., 11.,  0.,  1., 12.,  7.,  0.,  0.,  2., 14.,  5.,10., 12.,  0.,  0.,  0.,  0.,  6., 13., 10.,  0.,  0.,  0.])

🥇2.创建模拟数据集

🥈2.1 回归数据集

下面我们通过make_regression来模拟一个回归数据集

from sklearn.datasets import make_regressionfeatures, target, coefficients = make_regression(n_samples=100,n_features=3,n_informative=3,n_targets=1,noise=0,coef=True,random_state=1)

print('Featrue Matrix\n', features[:3])print('Target Vector\n', target[:3])

Featrue Matrix [[ 1.29322588 -0.61736206 -0.11044703] [-2.793085    0.36633201  1.93752881] [ 0.80186103 -0.18656977  0.0465673 ]]Target Vector [-10.37865986  25.5124503   19.67705609]

🥈2.2 分类模拟数据集

使用make_classification创建分类数据集

from sklearn.datasets import make_classificationfeatures, target= make_classification(n_samples=100,   n_features=3,   n_informative=3,   n_redundant=0,   n_classes=2,   weights=[.25, .75],   random_state=1)

print('Featrue Matrix\n', features[:3])print('Target Vector\n', target[:3])

Featrue Matrix [[ 1.06354768 -1.42632219  1.02163151] [ 0.23156977  1.49535261  0.33251578] [ 0.15972951  0.83533515 -0.40869554]]Target Vector [1 0 0]

import matplotlib.pyplot as plt%matplotlib inline

plt.scatter(features[:,0], features[:,1],c=target)

​

​

🥈2.3 聚类数据集

使用make_blobs创建聚类数据集

# 用于聚类from sklearn.datasets import make_blobsfeatures, target = make_blobs(n_samples=100,  n_features=2,  centers=3,  cluster_std=0.5,  shuffle=True,  random_state=1)

print('Featrue Matrix\n', features[:3])print('Target Vector\n', target[:3])

Featrue Matrix [[ -1.22685609   3.25572052] [ -9.57463218  -4.38310652] [-10.71976941  -4.20558148]]Target Vector [0 1 1]

plt.scatter(features[:,0], features[:,1],c=target)

​

​

🥇3. 加载CSV文件

csv文件是我们在进行数据分析时最常用的数据格式。python中pandas库提供了非常简单的方法导入，具体如下

import pandas as pd file = r'C:\Users\DELL\Desktop\Statistic learning\ISLR\data\auto.csv'df = pd.read_csv(file)# 当数据没有表头时，设置header = Nonedf.head()

🥇4. 加载excel文件

url = r'C:\Users\DELL\Desktop\我的文件\学校课程\大三上复习资料\多元统计\例题数据及程序整理\例3-1.xlsx'df = pd.read_excel(url,header=1)#sheetname 表数据表所在的位置，如果加入多张数据表，可以把他们放在一个列表中一起传入f

🥇5. 查询SQL数据库

在实际业务分析中，很多时候数据都是存放在数据库中，因此，学会如何连接数据库是非常有必要的，之前介绍了如何使用R语言连接数据库，R语言连接mysql数据库，接下来我们看看如何使用python来连接数据库。首先需要安装pymysql包，pip install pymysql，具体使用代码如下

• 导入相关库

impcort pandas as pd import pymysql

• 连接mysql数据库，需要指定相关的参数

dbconn=pymysql.connect(  host="localhost",  database="test",#要连接的数据库  user="root",  password="密码",#密码  port=3306,#端口号  charset='utf8' )

• 读取数据，通过read_sql可以实现在python中读取sql查询的结果,具体结果如下。

sql = "select * from goods;"df = pd.read_sql(sql=sql, con=dbconn)df

本章的介绍到此介绍，在后续我还会考虑介绍一些如何使用python进行特征工程、数据清洗、模型构建以及一些数据挖掘实战项目。大家多多点赞、收藏、评论、关注支持！！