使用Matplotlib绘制鸢尾花数据集的花萼长度和宽度折线图

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline  
import warnings
warnings.filterwarnings('ignore')
from sklearn.datasets import load_iris

# 步骤 0：数据收集
data = load_iris()
df = pd.DataFrame(data.data, columns=data.feature_names)
df['target'] = data.target
# 1. 绘制折线图 (plot)

# 图大小设置为10x5
# 分别绘制sepal length和sepal width的折线,展示它们随样本数的变化情况
# 添加标题'Sepal Length and Width Over Samples'
# 设置x轴和y轴的标签分别为'Sample Index'和'Length/Width (cm)'
# 设置图例

#============================= show me your code =======================
# code

plt.figure(figsize=(10, 5))
plt.plot(df.index, df['sepal length (cm)'], label='Sepal Length')
plt.plot(df.index, df['sepal width (cm)'], label='Sepal Width')
plt.title('Sepal Length and Width Over Samples')
plt.xlabel('Sample Index')
plt.ylabel('Length/Width (cm)')
plt.legend()
plt.show()

以上代码使用Matplotlib库绘制了一个折线图，展示了鸢尾花数据集中样本数与花萼长度和花萼宽度之间的关系。

代码解释:

导入必要的库: 代码首先导入了必要的库，包括pandas用于数据处理，numpy用于数值计算，matplotlib.pyplot用于绘图，以及从sklearn.datasets导入load_iris用于加载鸢尾花数据集。
加载数据: 使用 load_iris() 函数加载鸢尾花数据集，并将其转换为pandas DataFrame格式，方便后续处理。
创建折线图: 使用 plt.figure(figsize=(10, 5)) 设置图像大小，然后使用 plt.plot() 函数分别绘制花萼长度和花萼宽度的折线图。
设置标题和标签: 使用 plt.title(), plt.xlabel() 和 plt.ylabel() 函数设置图像标题、x轴标签和y轴标签，使图像更易于理解。
显示图例: 使用 plt.legend() 函数显示图例，区分不同的数据线。
展示图像: 最后使用 plt.show() 函数展示绘制的折线图。

通过这段代码，您可以快速学习如何使用Matplotlib库对鸢尾花数据集进行可视化分析，并为进一步的数据挖掘和机器学习任务奠定基础。