3.3.1　对数据集进行分析

在本节中，我们将使用scikit-learn内置的酒数据集来进行实验，这个数据集也包含在scikit-learn的datasets模块当中。下面我们在Jupyter Notebook中新建一个Python 3的记事本，从头开始完成这个小项目。

首先，我们要把酒的数据集载入项目中，在Jupyter Notebook中输入代码如下：

from sklearn.datasets import load_wine
#从sklearn的datasets模块载入数据集
wine_dataset = load_wine()

现在读者朋友可能会比较好奇这个酒数据集中的数据都包含些什么。实际上，使用load_wine函数载入的酒数据集，是一种Bunch对象，它包括键（keys）和数值（values），下面我们来检查一下酒数据集都有哪些键，在Jupyter Notebook中输入代码如下：

#打印酒数据集中的键
print('\n\n\n')
print('代码运行结果：')
print('==============================')
print("红酒数据集中的键:\n{}".format(wine_dataset.keys()))
print('==============================')
print('\n\n\n')

运行代码，会得到结果如图3-16所示。

图3-16　酒的数据集中的键

【结果分析】从结果中我们可以看出，酒数据集中包括数据“data”，目标分类“target”，目标分类名称“target_names”，数据描述“DESCR”，以及特征变量的名称“features_names”。

那么这个数据集中究竟有多少样本（samples），又有多少变量（features）呢？可以使用.shape语句来让Python告诉我们数据的大概轮廓，在Jupyter Notebook中输入代码如下：

#使用.shape来打印数据的概况
print('\n\n\n')
print('代码运行结果：')
print('==============================')
print('数据概况：{}'.format(wine_dataset['data'].shape))
print('==============================')
print('\n\n\n')

运行代码，会得到结果如图3-17所示。

图3-17　酒的数据集的概况

【结果分析】从图3-17中我们可以看出，酒数据集中共有178个样本，每条数据有13个特征变量。

更细节的信息，我们可以通过打印DESCR键来获得，下面我们输入代码如下：

#打印酒的数据集中的简短描述
print(wine_dataset['DESCR'])

运行代码，我们将会看到一段很长的描述，如图3-18所示。

图3-18　酒数据集的部分简短描述

【结果分析】从结果中我们可以看出，酒数据集中的178个样本被归入3个类别中，分别是class_0，class_1和class_2，其中class_0中包含59个样本，class_1中包含71个样本，class_2中包含48个样本。而从1）至13）分别是13个特征变量，包括酒精含量、苹果酸、镁含量、青花素含量、色彩饱和度等。我们先不用管每一个变量具体的含义，接下来先对数据进行一些处理。