### 使用 NumPy 对鸢尾花数据集进行可视化分析 以下是通过 `NumPy` 和其他辅助库（如 `matplotlib`）来实现对鸢尾花数据集的可视化分析方法。虽然 `NumPy` 是一个强大的数值计算工具，但它本身并不具备绘图功能，因此可以借助 `matplotlib` 来完成实际的可视化操作。 #### 数据加载与处理 首先需要加载鸢尾花数据集并将其转换为适合可视化的形式。这里假设已经安装了 `scikit-learn` 库用于获取鸢尾花数据集： ```python from sklearn.datasets import load_iris import numpy as np import matplotlib.pyplot as plt # 加载鸢尾花数据集 iris = load_iris() data = iris.data # 特征矩阵 target = iris.target # 标签向量 # 将特征和标签组合成一个新的数组以便后续操作 combined_data = np.hstack((data, target.reshape(-1, 1))) # 添加一列作为目标类别 ``` #### 可视化部分 为了更好地理解数据分布情况，可以通过散点图展示不同类别的样本点之间的关系。下面是一个简单的二维投影示例代码： ```python # 提取前两维特征用于绘制平面图形 x_axis = combined_data[:, 0] # Sepal Length (萼片长度) y_axis = combined_data[:, 1] # Sepal Width (萼片宽度) colors = ['red', 'green', 'blue'] # 定义颜色列表对应三个分类 labels = iris.target_names # 获取原始类别名称 plt.figure(figsize=(8, 6)) for i in range(3): # 遍历三种不同的植物种类 mask = (combined_data[:, -1] == i) # 创建布尔掩码筛选特定类型的记录 plt.scatter(x_axis[mask], y_axis[mask], c=colors[i], label=f'{labels[i]}') plt.title('Iris Dataset Visualization') plt.xlabel('Sepal Length') plt.ylabel('Sepal Width') plt.legend() # 显示图例说明各个颜色代表哪一类花卉 plt.grid(True) # 开启网格便于观察坐标位置 plt.show() ``` 此脚本会生成一幅基于萼片尺寸差异区分三组鸢尾属植物群落结构的地图[^1]。 如果希望进一步探索更多维度间的关系，则可考虑采用配对图表(pair plot)，这通常需要用到 seaborn 这样的高级统计作图包；不过也可以手动构建循环机制来自定义类似的多重对比效果: ```python features = ["sepal length", "sepal width", "petal length", "petal width"] num_features = len(features) fig, axes = plt.subplots(num_features, num_features, figsize=(12, 12)) for row_idx in range(num_features): for col_idx in range(num_features): ax = axes[row_idx][col_idx] if row_idx != col_idx: x_feature = features[col_idx] y_feature = features[row_idx] for cls in range(len(labels)): filtered_cls = combined_data[combined_data[:,-1]==cls] ax.scatter(filtered_cls[:, col_idx], filtered_cls[:, row_idx], color=colors[cls]) elif row_idx == col_idx: feature_name = features[row_idx] counts, bins = np.histogram(combined_data[:,row_idx]) ax.hist(bins[:-1], bins=bins, weights=counts, alpha=.75,color='gray',edgecolor="black") ax.set_xticks([]) ax.set_yticks([]) if col_idx==0 and row_idx!=0: ax.set_ylabel(y_feature.replace(" ","\n"),rotation=0,labelpad=40,size=10) if row_idx==(len(features)-1): ax.set_xlabel(x_feature.replace(" ","\n"),size=10) plt.tight_layout(pad=-1.) plt.suptitle('Pair Plot of Iris Features Across Classes',fontsize=16,y=1.02); plt.show(); ``` 以上代码片段展示了如何利用嵌套迭代器创建一个多变量关联性的全面概览图像集合[^2]。