针对读取鸢尾花数据集（Iris Dataset）中的萼片长度（Sepal Length）和花瓣长度（Petal Length）数据，并进行一系列数据处理与统计分析的需求，其核心操作流程如下： | 步骤 | 核心操作 | 关键方法/函数 | 说明 | | :--- | :--- | :--- | :--- | | **1. 数据加载** | 从本地文件或库中读取数据 | `pd.read_csv()`, `sklearn.datasets.load_iris()` | 获取原始数据 [ref_2][ref_6]。 | | **2. 数据提取** | 提取目标列：萼片长度和花瓣长度 | `df[['sepal_length', 'petal_length']]` | 分离出需要分析的特定特征 [ref_1][ref_4]。 | | **3. 数据预处理** | **排序** | `np.sort()` 或 `df.sort_values()` | 按数值大小升序或降序排列 [ref_1][ref_2]。 | | | **去重** | `np.unique()` 或 `df.drop_duplicates()` | 移除重复的数值，保留唯一值 [ref_1][ref_3]。 | | **4. 统计分析** | **求和** | `np.sum()` | 计算所有数据的总和 [ref_1][ref_3]。 | | | **累积和** | `np.cumsum()` | 计算累计求和序列 [ref_2][ref_3]。 | | | **均值** | `np.mean()` | 计算数据的算术平均值 [ref_1][ref_2]。 | | | **标准差** | `np.std()` | 衡量数据的离散程度 [ref_1][ref_3]。 | | | **方差** | `np.var()` | 标准差的平方，衡量数据波动 [ref_1][ref_3]。 | | | **最小值** | `np.min()` | 找出数据中的最小值 [ref_1][ref_2]。 | | | **最大值** | `np.max()` | 找出数据中的最大值 [ref_1][ref_2]。 | 以下是使用 Python 的 `pandas` 和 `numpy` 库实现上述所有操作的完整代码示例： ```python import numpy as np import pandas as pd from sklearn.datasets import load_iris # 1. 加载鸢尾花数据集 iris = load_iris() # 将数据转换为DataFrame，方便处理 df = pd.DataFrame(data=iris.data, columns=iris.feature_names) # 2. 提取萼片长度和花瓣长度数据 sepal_length = df['sepal length (cm)'].values # 萼片长度数组 petal_length = df['petal length (cm)'].values # 花瓣长度数组 print("原始萼片长度数据（前10个）:", sepal_length[:10]) print("原始花瓣长度数据（前10个）:", petal_length[:10]) # 对萼片长度数据进行处理和分析 print("\n--- 萼片长度 (Sepal Length) 分析 ---") # 3.1 排序 sepal_sorted = np.sort(sepal_length) print("排序后（前10个）:", sepal_sorted[:10]) # 3.2 去重 sepal_unique = np.unique(sepal_length) print("去重后数据（前10个）:", sepal_unique[:10]) print("去重后数据个数:", len(sepal_unique)) # 4. 统计分析 sepal_sum = np.sum(sepal_length) # 求和 sepal_cumsum = np.cumsum(sepal_length) # 累积和 sepal_mean = np.mean(sepal_length) # 均值 sepal_std = np.std(sepal_length) # 标准差 sepal_var = np.var(sepal_length) # 方差 sepal_min = np.min(sepal_length) # 最小值 sepal_max = np.max(sepal_length) # 最大值 print(f"和: {sepal_sum:.2f}") print(f"累积和（前5个）: {sepal_cumsum[:5]}") print(f"均值: {sepal_mean:.4f}") print(f"标准差: {sepal_std:.4f}") print(f"方差: {sepal_var:.4f}") print(f"最小值: {sepal_min:.2f}") print(f"最大值: {sepal_max:.2f}") # 对花瓣长度数据进行同样的处理和分析 print("\n--- 花瓣长度 (Petal Length) 分析 ---") petal_sorted = np.sort(petal_length) petal_unique = np.unique(petal_length) petal_sum = np.sum(petal_length) petal_cumsum = np.cumsum(petal_length) petal_mean = np.mean(petal_length) petal_std = np.std(petal_length) petal_var = np.var(petal_length) petal_min = np.min(petal_length) petal_max = np.max(petal_length) print(f"排序后（前10个）: {petal_sorted[:10]}") print(f"去重后数据（前10个）: {petal_unique[:10]}") print(f"去重后数据个数: {len(petal_unique)}") print(f"和: {petal_sum:.2f}") print(f"累积和（前5个）: {petal_cumsum[:5]}") print(f"均值: {petal_mean:.4f}") print(f"标准差: {petal_std:.4f}") print(f"方差: {petal_var:.4f}") print(f"最小值: {petal_min:.2f}") print(f"最大值: {petal_max:.2f}") ``` **关键步骤与结果解读**： 1. **数据加载与提取**：通过 `sklearn` 库直接加载经典的 Iris 数据集，该数据集包含 150 个样本，每个样本有 4 个特征（萼片长、萼片宽、花瓣长、花瓣宽）[ref_6]。代码中提取了 `sepal length (cm)` 和 `petal length (cm)` 两列数据 [ref_1][ref_4]。 2. **排序 (`np.sort`)**：排序操作将数据按从小到大的顺序排列，有助于观察数据的分布范围，例如快速发现最小值和最大值所在的位置 [ref_2]。 3. **去重 (`np.unique`)**：去重操作返回唯一值数组。对于连续型数值特征，去重后数量可能接近原始数量，但可以用于检查数据的唯一性分布 [ref_3]。 4. **求和 (`np.sum`) 与 累积和 (`np.cumsum`)**：求和得到特征的总量。累积和是一个序列，其第 `i` 个元素是原始数组前 `i` 个元素的和，常用于观察数据的累计增长趋势 [ref_3]。 5. **均值 (`np.mean`)**：均值反映了数据的中心位置。例如，萼片长度的均值约为 5.84 cm，花瓣长度均值约为 3.76 cm，这表明在整体样本中，萼片普遍比花瓣长 [ref_1][ref_2]。 6. **标准差 (`np.std`) 与 方差 (`np.var`)**：两者都衡量数据的离散程度。方差是标准差的平方。从结果通常可以看出，花瓣长度的方差和标准差远大于萼片长度，说明花瓣长度的变化幅度更大，不同种类鸢尾花的花瓣长度差异更明显 [ref_1][ref_3]。 7. **最小值 (`np.min`) 与 最大值 (`np.max`)**：确定了每个特征取值的边界。例如，萼片长度范围在 4.3 cm 到 7.9 cm 之间，而花瓣长度范围在 1.0 cm 到 6.9 cm 之间 [ref_2]。 通过以上完整的代码和分析，可以系统性地完成对 Iris 数据集中指定数值特征的描述性统计分析，这些统计量是数据探索和预处理的基础 [ref_5]。