由于当前环境无法直接展示图像，但我可以为你详细描述绘制鸢尾花数据集图形的过程，并告诉你如何生成这些图表。你可以运行下面提供的代码，在本地环境中查看实际效果。 首先我们利用 `matplotlib` 和 `seaborn` 库对鸢尾花（Iris）数据集中包含的不同种类花朵进行可视化探索。这里会提供几个常见类型的图表制作例子：包括散点图矩阵、箱线图以及蜘蛛网图等高级形式。 ### 示例代码 #### 导入必要库及加载数据 ```python import seaborn as sns import matplotlib.pyplot as plt from sklearn.datasets import load_iris import pandas as pd # Load the dataset into a Pandas DataFrame iris_raw = load_iris() iris_df = pd.DataFrame(iris_raw.data, columns=iris_raw.feature_names) iris_df['species'] = pd.Categorical.from_codes(iris_raw.target, iris_raw.target_names) print("Dataset Overview:\n", iris_df.describe()) ``` 上述部分完成了基本准备工作——将原始数组转化为更易操作的DataFrame结构，并追加一列标注样本所属类别(`species`)。 --- ### 散点图矩阵 (Pair Plot) 这是最直观的一种观察变量之间相互关系的方式之一。 ```python sns.pairplot(iris_df, hue="species") plt.title('Scatter Matrix of Iris Dataset Features') plt.show() ``` 这个命令将会产生一个由两两配对特征构成的小型网格系统内的若干个子区；每个小区域里都画出了相应两个维度空间里的分布情况并且按颜色区分三个不同的物种群体。 --- ### 箱形图(Boxplots) 接下来演示一下基于单一特性值角度出发来看待分组差异性的方法—-即构造一系列独立显示“四分位数”的统计量表征工具。 ```python plt.figure(figsize=(8, 6)) for i, column in enumerate(iris_raw.feature_names): plt.subplot(2, 2, i+1) # Create subplot grid sns.boxplot(x='species', y=column, data=iris_df) plt.ylabel(column.split()[0]) plt.tight_layout() plt.suptitle('Box Plots Showing Variation Across Species For Each Feature') plt.show() ``` 以上代码片段分别针对四个测量指标做了详细的比较研究，从结果可以看出各类别在某些方面确实存在显著区别！ --- 最后再补充一种非常有趣的表达样式叫做**Radar Chart**(也称Spider Web Diagram)，它特别适合用来综合评估个体对象跨多个方面的性能得分状况： #### 雷达图(Radar Chart) ```python import numpy as np def make_spider(row, title_name): categories = list(iris_df)[0:-1] N = len(categories) values = row.values.flatten().tolist() values += values[:1] angles = [n / float(N) * 2 * np.pi for n in range(N)] angles += angles[:1] ax = plt.subplot(1,3,row.name+1,polar=True ) plt.xticks(angles[:-1],categories,color='grey',size=7 ) ax.set_rlabel_position(30) plt.yticks([1,2],["1","2"],color="red",size=7) plt.ylim(0,max(values)+0.5) ax.plot(angles,values,linewidth=1,linestyle='solid') ax.fill(angles,values,'b',alpha=0.1) plt.title(title_name,size=11,weight='bold') plt.figure(figsize =(8,8)) for index, row in iris_df.groupby('species').mean().iterrows(): make_spider(row=row,title_name=index) plt.subplots_adjust(wspace=.5) plt.show() ``` 通过上面这几段关键步骤即可获得有关于鸢尾花卉相关的丰富视觉资料啦！如果你按照此流程亲手尝试一遍的话，则应该能够成功重现那些精美的统计图形哦~