01

Seaborn自帶數據集

在學習Pandas透視表的時候，大家應該注意到，我們使用的案例數據"泰坦尼克號"來自于seaborn自帶的在線數據庫，我們可以通過seaborn提供的函數load_dataset("數據集名稱")來獲取線上相應的數據，返回給我們的是一個pandas的DataFrame對象。import seaborn as sns

df = sns.load_dataset('titanic')

df.sample(5)

返回的DataFrame對象非常便于我們更加深入地了解數據，示例代碼：df = sns.load_dataset("tips")

print("\n[數據集基本信息]\n")

print(df.info())

print("\n[數值變量信息]\n")

print(df.describe())

print("\n[離散變量信息]\n")

for name in df.dtypes[(df.dtypes == "category") | (df.dtypes == "object")].index:

print("{} 特征值 : {}".format(name, str(df[name].unique())))

數據集描述信息如下：[數據集基本信息]

RangeIndex: 244 entries, 0 to 243

Data columns (total 7 columns):

total_bill 244 non-null float64

tip 244 non-null float64

sex 244 non-null category

smoker 244 non-null category

day 244 non-null category

time 244 non-null category

size 244 non-null int64

dtypes: category(4), float64(2), int64(1)

[數值變量信息]

total_bill tip size

count 244.000000 244.000000 244.000000

mean 19.785943 2.998279 2.569672

std 8.902412 1.383638 0.951100

min 3.070000 1.000000 1.000000

25% 13.347500 2.000000 2.000000

50% 17.795000 2.900000 2.000000

75% 24.127500 3.562500 3.000000

max 50.810000 10.000000 6.000000

[離散變量信息]

sex 特征值 : [Female, Male]

smoker 特征值 : [No, Yes]

day 特征值 : [Sun, Sat, Thur, Fri]

time 特征值 : [Dinner, Lunch]

seaborn自帶的全量數據集，如下所示：seaborn示例數據集鏈接：https://github.com/mwaskom/seaborn-data

02

Sklearn自帶數據集

1. 小型數據集

數據加載、觀察示例：from sklearn import datasets

import pandas as pd, numpy as np

dataset = datasets.load_iris()

print("數據集包含的信息項：")

print(" ".join(dataset.keys()))

print("\n數據集描述信息：\n")

print(dataset["DESCR"])

data = dataset["data"]

target = dataset["target"]

df = pd.DataFrame(data, columns=dataset["feature_names"])

df["target"] = target

df.sample(10)

df.info()

df.describe()sklearn小型數據集詳細介紹：https://scikit-learn.org/stable/datasets/index.html#toy-datasets

2. 較大型數據集（在線下載）

20個新聞組數據集加載示例：from sklearn.datasets import fetch_20newsgroups

from pprint import pprint

newsgroups_train = fetch_20newsgroups(subset='train')

pprint(list(newsgroups_train.targernames))

print(newsgroups_train.filenames.shape) # (11314,)

print(newsgroups_train.target.shape) # (11314,)

print(newsgroups_train.target[:10]) # [ 7 4 4 1 14 16 13 3 2 4]

print(newsgroups_train['data'][:2]) # 前三篇文章["From: lerxst@wam.umd.edu (where's my thin...sklearn大型數據集詳細介紹：https://scikit-learn.org/stable/datasets/index.html#real-world-datasets sklearn

新聞數據文本分類實戰：https://www.jianshu.com/p/244180c064cf

03

其他數據源

1. UCL機器學習知識庫

UCL機器學習數據庫，包括了多個不同大小和類型的數據集，可用于分類、回歸、聚類和推薦系統任務。鏈接：https://archive.ics.uci.edu/ml/index.php

2. weka數據集鏈接：https://www.cs.waikato.ac.nz/ml/weka/datasets.html

3. KD-nuggets數據集鏈接：https://www.kdnuggets.com/datasets/index.html

4. UCI KDD Archive數據集鏈接：http://kdd.ics.uci.edu/

總結

以上是生活随笔為你收集整理的python的自带数据集_盘点 | Python自带的那些数据集的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。