描述scikitlearn鸢尾花数据集

Scikit learn中包含了iris数据集，它是一个经典的分类问题数据集。该数据集包含了150个样本，每个样本有4个特征（萼片长度、萼片宽度、花瓣长度、花瓣宽度）和一个目标变量（鸢尾花的种类）。目标变量有三个类别，分别是setosa，versicolor和virginica。

要使用该数据集，我们可以使用Scikit learn中的load_iris函数进行加载，然后使用Pandas库将其转换为DataFrame类型，方便进行数据分析和可视化。

以下是代码示例：

from sklearn.datasets import load_iris
import pandas as pd

# 加载数据集并将其转换为DataFrame类型
iris = load_iris()
df = pd.DataFrame(iris.data, columns=iris.feature_names)
df['target'] = iris.target

# 打印数据集的描述信息
print(iris.DESCR)

# 打印DataFrame的前五行数据
print(df.head())

输出结果：

.. _iris_dataset:

Iris plants dataset
--------------------

**Data Set Characteristics:**

    :Number of Instances: 150 (50 in each of three classes)
    :Number of Attributes: 4 numeric, predictive attributes and the class
    :Attribute Information:
        - sepal length in cm
        - sepal width in cm
        - petal length in cm
        - petal width in cm
        - class:
                - Iris-Setosa
                - Iris-Versicolour
                - Iris-Virginica

    :Summary Statistics:

    ============== ==== ==== ======= ===== ====================
                    Min  Max   Mean    SD   Class Correlation
    ============== ==== ==== ======= ===== ====================
    sepal length:   4.3  7.9   5.84   0.83    0.7826
    sepal width:    2.0  4.4   3.05   0.43   -