### 鸢尾花数据集的Pandas数据分析 #### 按品种分组后统计样本数量 可以使用 `groupby` 方法对鸢尾花数据集按照品种 (`species`) 进行分组，并通过 `.size()` 或 `.count()` 来统计每种品种的数量。 ```python import pandas as pd # 加载鸢尾花数据集 url = "https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data" columns = ['sepal length', 'sepal width', 'petal length', 'petal width', 'species'] data = pd.read_csv(url, names=columns) # 统计每种品种的样本数量 sample_counts = data.groupby('species').size() print(sample_counts) ``` 上述代码会返回每个品种对应的样本数量[^1]。 --- #### 计算四个特征的平均值、中位数和标准差 同样可以通过 `groupby` 和聚合函数来完成这些统计量的计算： ```python # 对每个品种分别计算平均值、中位数和标准差 summary_stats = data.groupby('species')[['sepal length', 'sepal width', 'petal length', 'petal width']].agg(['mean', 'median', 'std']) print(summary_stats) ``` 这段代码会对每个品种分别计算四个特征的 **平均值 (mean)**、**中位数 (median)** 和 **标准差 (std)**。结果将以多层索引的形式展示，便于查看不同品种之间的对比[^4]。 --- #### 筛选花瓣长度大于其品种均值的样本 为了筛选出满足条件的样本，首先需要计算每个品种的花瓣长度均值，然后将其与原始数据进行比较： ```python # 计算每个品种的花瓣长度均值 petal_length_mean_by_species = data.groupby('species')['petal length'].transform('mean') # 筛选出花瓣长度大于该品种均值的样本 filtered_data = data[data['petal length'] > petal_length_mean_by_species] print(filtered_data) ``` 这里的关键在于使用了 `transform` 函数，它允许我们在保持原 DataFrame 的基础上应用分组操作的结果。最终得到的是一个仅包含符合条件的样本的新 DataFrame[^5]。 --- ### 结果解释 以上代码实现了以下功能： - 使用 `groupby` 和 `size` 方法统计了每种品种的样本数量。 - 应用了多种聚合函数（如 `mean`, `median`, `std`），完成了对四个特征的主要统计指标计算。 - 通过组合 `groupby` 和 `transform` 实现了基于品种均值的条件过滤。 所有操作都遵循 Pandas 的高效数据处理原则，适合用于探索性数据分析阶段[^2]。 ---