load_wine#

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

加载并返回葡萄酒数据集（分类）。

Added in version 0.18.

葡萄酒数据集是一个经典且非常简单的多类分类数据集。

从以下网址下载并修改UCI ML葡萄酒数据集数据集以适应标准格式： https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data

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Bunch对象。 有关 数据 和 目标 对象的更多信息，请参见下文。

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，具体取决于目标列的数量。 如果 return_X_y 为True，则 ( 数据 , 目标 ) 将是如下面所述的pandas DataFrame或Series。

Added in version 0.23.

Returns:
数据Bunch

类似字典的对象，具有以下属性。

数据{ndarray, dataframe} 形状为 (178, 13)

数据矩阵。如果 as_frame=True ， 数据 将是一个pandas DataFrame。

目标: {ndarray, Series} 形状为 (178,)

分类目标。如果 as_frame=True ， 目标 将是一个pandas Series。

特征名称: list

数据集列的名称。

目标名称: list

目标类别的名称。

框架: DataFrame 形状为 (178, 14)

仅在 as_frame=True 时存在。包含 数据 和 目标 的DataFrame。

Added in version 0.23.

DESCR: str

数据集的完整描述。

(数据, 目标)如果 return_X_y 为True，则为tuple

默认情况下为两个ndarrays的tuple。第一个包含形状为 (178, 13) 的2D数组，每行代表一个样本，每列代表 特征。第二个形状为 (178,) 的数组包含目标样本。

Examples

假设你对样本10、80和140感兴趣，并想知道它们的类别名称。

>>> from sklearn.datasets import load_wine
>>> data = load_wine()
>>> data.target[[10, 80, 140]]
array([0, 1, 2])
>>> list(data.target_names)
['class_0', 'class_1', 'class_2']
On this page
Show Source