如何将Iris数据集加载至DataFrame并查看其信息与描述性统计？

你写的代码已经完美实现了加载Iris数据集到DataFrame、查看数据集信息以及输出描述性统计的需求，下面拆解下每部分的作用：

• 导入依赖库：
  from sklearn.datasets import load_iris 用来从sklearn内置数据集中加载Iris数据
  import pandas as pd 导入pandas库用于创建和处理DataFrame

• 加载数据集：
  iris = load_iris() 将Iris数据集加载为一个包含数据、特征名、目标值等信息的Bunch对象

• 转换为DataFrame：
  df = pd.DataFrame(iris.data, columns=iris.feature_names) 用数据集的特征名称作为列名，把原始数据转换成结构化的DataFrame，方便后续分析

• 查看数据集信息：
  print(df.info()) 会输出DataFrame的列类型、非空值数量、内存占用等关键信息，帮你快速了解数据结构

• 输出描述性统计：
  print(df.describe()) 会自动计算数值型列的均值、标准差、最小值、四分位数、最大值等统计指标，直观呈现数据的分布特征

额外小补充（可选） #

如果需要把鸢尾花的类别信息也加入DataFrame，可以添加一行代码：

df['target'] = iris.target
# 要是想把类别编号转换成对应的品种名称，还可以这样：
df['target_name'] = iris.target_names[df['target']]

内容的提问来源于stack exchange，提问作者SGN