Python数据可视化：使用Scikit-learn和Matplotlib绘制鸢尾花散点图

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

plt.figure(figsize=(8, 6))
plt.scatter(df['sepal length (cm)'], df['sepal width (cm)'], c=df['target'], cmap='viridis')
plt.title('Sepal Length vs Sepal Width')
plt.xlabel('Sepal Length (cm)')
plt.ylabel('Sepal Width (cm)')
plt.show()

这段代码首先导入必要的库，包括pandas、numpy、matplotlib和scikit-learn中的load_iris函数。然后，它加载鸢尾花数据集并将其存储在一个pandas DataFrame中。

接下来，代码使用matplotlib创建一个散点图。该图显示了萼片长度和萼片宽度之间的关系，并根据鸢尾花的种类对数据点进行颜色编码。

此代码提供了一个简单的示例，说明如何使用Python进行数据可视化。通过更改代码中的列名，您可以创建不同变量的散点图。