### 对 Iris 数据集进行基本操作 #### 1. 使用 Pandas 读取数据 通过 `pandas` 库可以轻松加载 CSV 文件并将其转换为 DataFrame 格式。对于 Iris 数据集，可以通过以下方式完成： ```python import pandas as pd # 加载数据 iris_data = pd.read_csv('iris-data.csv', na_values=['NA']) # 处理缺失值标记为 NA [^1] # 查看前几行数据 print(iris_data.head()) ``` --- #### 2. 按萼片长度排序 假设列名为 `sepal_length_cm`，可以根据该列对整个数据集进行升序或降序排列。 ```python # 升序排列 sorted_iris = iris_data.sort_values(by='sepal_length_cm') # 或者降序排列 sorted_iris_desc = iris_data.sort_values(by='sepal_length_cm', ascending=False) print(sorted_iris.head()) # 显示排序后的前五行数据 ``` --- #### 3. 去重处理 如果存在重复记录，则可通过 `drop_duplicates()` 方法删除这些冗余项。 ```python # 删除完全相同的行 unique_iris = iris_data.drop_duplicates() # 如果仅针对某些特定列去重（比如 sepal_length_cm 和 petal_width_cm） unique_columns = ['sepal_length_cm', 'petal_width_cm'] deduplicated_iris = iris_data.drop_duplicates(subset=unique_columns) print(deduplicated_iris.shape) # 输出清理后剩余的数据量 ``` --- #### 4. 求和计算 利用 `groupby` 可以按类别分组并对数值型字段执行聚合运算，例如求每种类别的平均花萼宽度总和等。 ```python # 统计各类别下某属性之和 (假定分类标签存储于 species 列) summary_by_species = iris_data.groupby('species')['sepal_length_cm'].sum() # 总和 [^2] # 同样也可以获取均值或其他统计指标 average_sepal_per_species = iris_data.groupby('species')['sepal_length_cm'].mean() print(summary_by_species) ``` --- #### 5. 将数据转为 NumPy 数组形式 有时为了进一步分析或者输入到机器学习框架中，可能需要把表格结构转化为矩阵表示法。 ```python import numpy as np # 提取出感兴趣的两列作为特征 X 并转化成 ndarray 类型对象 X_features = iris_data[['sepal_length_cm', 'petal_width_cm']].to_numpy(dtype=np.float64) # 打印部分样本查看效果 print(X_features[:5]) ``` 上述代码片段展示了如何选取指定列并通过 `.to_numpy()` 函数得到二维数组实例。 --- #### 6. TensorFlow Keras 中模型评估示例 虽然此部分内容并非直接关联至当前主题，但在构建预测流程时可能会涉及测试阶段的表现衡量工作。下面给出一段简单例子用于说明如何调用 evaluate 功能来获得最终性能分数[^3]: ```python from tensorflow import keras # 构建简单的神经网络架构... model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy']) # 测试集准备完毕之后运行如下命令即可得知准确度情况 loss, acc = model.evaluate(test_X, test_y_ohe, verbose=1) print(f'Test Accuracy: {acc:.2%}') ``` 请注意这里使用的 API 属于高级封装版本，适用于深度学习场景下的任务需求。 --- ###