load_iris#

sklearn.datasets.load_iris(*, return_X_y=False, as_frame=False)#

加载并返回鸢尾花数据集（分类）。

鸢尾花数据集是一个经典且非常简单的多类分类数据集。

更多信息请参阅用户指南。

Parameters:

return_X_ybool, 默认=False: 如果为True，返回 (数据, 目标) 而不是一个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（数值型）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 ) 将是如下面描述的pandas DataFrame或Series。

Added in version 0.23.

Returns:

dataBunch

字典类对象，具有以下属性。

data{ndarray, dataframe} 形状为 (150, 4): 数据矩阵。如果 as_frame=True ， data 将是一个pandas DataFrame。
target: {ndarray, Series} 形状为 (150,): 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。
frame: DataFrame 形状为 (150, 5): 仅当 as_frame=True 时存在。包含 data 和 target 的DataFrame。

Added in version 0.23.
DESCR: str: 数据集的完整描述。
filename: str: 数据位置的路径。

Added in version 0.20.

(data, target)如果 return_X_y 为True，则为tuple

包含两个ndarray的元组。第一个包含形状为 (n_samples, n_features) 的2D数组，每行代表一个样本，每列代表特征。第二个ndarray形状为 (n_samples,)，包含目标样本。

Added in version 0.18.

Notes

Changed in version 0.20: 根据Fisher的论文修复了两个错误的数据点。新版本与R中的相同，但与UCI机器学习库中的不同。

Examples

假设你对样本10、25和50感兴趣，并想知道它们的类别名称。

>>> from sklearn.datasets import load_iris
>>> data = load_iris()
>>> data.target[[10, 25, 50]]
array([0, 0, 1])
>>> list(data.target_names)
['setosa', 'versicolor', 'virginica']