load_digits#

sklearn.datasets.load_digits(*, n_class=10, return_X_y=False, as_frame=False)#

加载并返回数字数据集（分类）。

每个数据点是一个8x8的数字图像。

这是UCI ML手写数字数据集测试集的副本 https://archive.ics.uci.edu/ml/datasets/Optical+Recognition+of+Handwritten+Digits

在用户指南中阅读更多信息。

Parameters:

n_classint, 默认=10: 返回的类别数量。介于0和10之间。
return_X_ybool, 默认=False: 如果为True，返回 (数据, 目标) 而不是Bunch对象。有关 数据 和 目标 对象的更多信息，请参见下文。

Added in version 0.18.
as_framebool, 默认=False: 如果为True，数据是一个包含适当数据类型（数值）列的pandas DataFrame。目标是一个pandas DataFrame或Series，取决于目标列的数量。如果 return_X_y 为True，那么( 数据 , 目标 )将是如下面所述的pandas DataFrame或Series。

Added in version 0.23.

Returns:

dataBunch

类似字典的对象，具有以下属性。

data{ndarray, dataframe} 形状为 (1797, 64): 展平的数据矩阵。如果 as_frame=True ， data 将是一个pandas DataFrame。
target: {ndarray, Series} 形状为 (1797,): 分类目标。如果 as_frame=True ， target 将是一个pandas Series。
feature_names: list: 数据集列的名称。
target_names: list: 目标类别的名称。

Added in version 0.20.
frame: DataFrame 形状为 (1797, 65): 仅当 as_frame=True 时存在。包含 data 和 target 的DataFrame。

Added in version 0.23.
images: {ndarray} 形状为 (1797, 8, 8): 原始图像数据。
DESCR: str: 数据集的完整描述。

(data, target)tuple 如果 return_X_y 为 True

默认情况下为两个ndarray的元组。第一个包含形状为 (1797, 64) 的2D ndarray，每行代表一个样本，每列代表特征。第二个形状为 (1797) 的ndarray包含目标样本。如果 as_frame=True ，两个数组都是pandas对象，即 X 是一个dataframe， y 是一个series。

Added in version 0.18.

Examples

加载数据并可视化图像:

>>> from sklearn.datasets import load_digits
>>> digits = load_digits()
>>> print(digits.data.shape)
(1797, 64)
>>> import matplotlib.pyplot as plt
>>> plt.gray()
>>> plt.matshow(digits.images[0])
<...>
>>> plt.show()