3-1] 사이킷런 샘플 데이터 살펴보기

사이킷런 샘플 데이터

내용	로드 명령
보스턴 주택가격	load_boston()
붓꽃 품종	load_iris()
손글씨 숫자 데이터	load_digits()
와인종류	load_wine()
운동능력 데이터세트	load_linnerud()
당뇨병 진행상황	load_diabetes()
유방암 음성/양성	load_breast_cancer()

 

 

붓꽃 품종 데이터 세트 살펴 보기

데이터이름	내용
data	학습용데이터
feature_names	특징 이름
target	타깃값
target_names	타깃이름
descr	데이터세트에 관한 설명

 

예제로 살펴 보기

from sklearn import datasets
iris = datasets.load_iris()
print(iris)

{'data': array([[5.1, 3.5, 1.4, 0.2],
...
       [5.9, 3. , 5.1, 1.8]]), 
       'target': array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       ...
       2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2]), 
       'frame': None, 
       'target_names': array(['setosa', 'versicolor', 'virginica'], dtype='<U10'), 
       'DESCR': ..., 'data_module': 'sklearn.datasets.data'}

 

- 특징이름 살펴 보기

iris.feature_names

['sepal length (cm)',
 'sepal width (cm)',
 'petal length (cm)',
 'petal width (cm)']

특징을 살펴 보면, 꽃받침 길이, 꽃받침 넓이,꽃잎 길이, 꽃잎 넓이 임을 알 수 있다.

 

데이터를 pandas 데이터로 변환

import pandas as pd
df = pd.DataFrame(iris.data)
df.head()

5개의  0(sepal length),1(sepal width),2(petal length),3(petal width) 의 데이터를 확인 해 보자.

여기서 맨 위의 0,1,2,3 은 열(column) 은 특성(feature),속성(attribute),변수(varible),필드(field) 라고도 한다.

다음으로 열 이름에 특징명을 설정하자

df.columns = iris.feature_names # 열 이름 설정
df.head()

다음으로 데이터에 target을 추가하자.

df["target"]=iris.target
df.head()

여기서 target은 0 뿐인데 앞쪽 데이터가 setosa 임을 의미한다.

 

데이터 그래프로 나타내기

 

import seaborn as sns
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from mpl_toolkits.mplot3d import proj3d
sns.pairplot(df, hue="target")
plt.show()

4*4 의 16개의 그래프를 확인해 볼 수 있다.

 

이것을 세가지 품목을 꽃받침 폭을 기준으로 히스트그램을 그려서 살펴 보자.

히스토 그램을 그리기 위해 matplotlib 을 import 한다.

import matplotlib.pyplot as plt

df0=df[df["target"]==0] #setosa 인 경우만 1 아니라면 0
df1=df[df["target"]==1] #versicolor 인 경우만 1 아니라면 0
df2=df[df["target"]==2] #virginica 인 경우만 1 아니라면 0

plt.figure(figsize=(5,5)) #크기가 5*5 인 사이즈로 그리자.
df0["sepal width (cm)"].hist(color="b",alpha=0.5) #sepal width (cm) 의 값으로 blue 로 투명도 0.5
df1["sepal width (cm)"].hist(color="r",alpha=0.5) #sepal width (cm) 의 값으로 red 로 투명도 0.5
df2["sepal width (cm)"].hist(color="g",alpha=0.5) #sepal width (cm) 의 값으로 green 로 투명도 0.5
plt.xlabel("sepal width (cm)")
plt.show()

여기서 꽃받침의 폭으로는 겹치는 것이 많은 것을 알 수가 있다.

 

다음은 두가지 특징을 이용하여 산포도를 그리는 방법을 살펴 보자.

산포도는 데이터프레임의 scatter() 로 그릴 수 있다.

plt.figure(figsize=(5,5))
plt.scatter(df0['sepal width (cm)'],df0['sepal length (cm)'],color="b",alpha=0.5) #x축을 sepal width (cm),y축을 sepal length (cm)
plt.scatter(df1['sepal width (cm)'],df1['sepal length (cm)'],color="r",alpha=0.5) #x축을 sepal width (cm),y축을 sepal length (cm)
plt.scatter(df2['sepal width (cm)'],df2['sepal length (cm)'],color="g",alpha=0.5) #x축을 sepal width (cm),y축을 sepal length (cm)
plt.xlabel('sepal width (cm)')
plt.ylabel('sepal length (cm)')
plt.show()

이렇게 그려 보니 r과 g 는 중복이 발생하지만 b는 거의 중복이 발생하지 않는 것을 알 수 있다.

이것은 2차원으로 살펴 보았기 때문에 r과 g의 중복이 발생한다.

그렇다면 특징량을 3개로 해서 3차원으로 그려 보면 어떻게 될까?

 

마찬가지로 scatter를 이용하여 3개의 데이터를 이용하여 3차원으로 그릴 수 있다.

위의 코드에서 petal length 를 추가하여 그려 보자.

3D 공간을 만들기 위해 fig.add_subplot(projection='3d')  을 사용하여 Axes3D 를 사용하자.

fig=plt.figure(figsize=(5,5))
ax=fig.add_subplot(projection="3d")
plt.scatter(df0['sepal width (cm)'],df0['sepal length (cm)'],df0['petal length (cm)'],color="b",alpha=0.5) #x축을 sepal width (cm),y축을 sepal length (cm)
plt.scatter(df1['sepal width (cm)'],df1['sepal length (cm)'],df1['petal length (cm)'],color="r",alpha=0.5) #x축을 sepal width (cm),y축을 sepal length (cm)
plt.scatter(df2['sepal width (cm)'],df2['sepal length (cm)'],df2['petal length (cm)'],color="g",alpha=0.5) #x축을 sepal width (cm),y축을 sepal length (cm)
ax.set_xlabel('sepal width (cm)')
ax.set_ylabel('sepal length (cm)')
ax.set_zlabel('petal length (cm)')
plt.show()

아직도 빨강과 그린이 섞여 있는 것을 알 수 있다.

ax.view_init(세로각도,가로각도)를 이용해서 시점을 바꿔서 확인해 볼 수도 있다.

fig=plt.figure(figsize=(5,5))
ax=fig.add_subplot(projection="3d")
plt.scatter(df0['sepal width (cm)'],df0['sepal length (cm)'],df0['petal length (cm)'],color="b",alpha=0.5) #x축을 sepal width (cm),y축을 sepal length (cm)
plt.scatter(df1['sepal width (cm)'],df1['sepal length (cm)'],df1['petal length (cm)'],color="r",alpha=0.5) #x축을 sepal width (cm),y축을 sepal length (cm)
plt.scatter(df2['sepal width (cm)'],df2['sepal length (cm)'],df2['petal length (cm)'],color="g",alpha=0.5) #x축을 sepal width (cm),y축을 sepal length (cm)


ax.set_xlabel('sepal width (cm)')
ax.set_ylabel('sepal length (cm)')
ax.set_zlabel('petal length (cm)')
ax.view_init(0,240)
plt.show()