是否有适用于Python的示例数据集？

Question

为了进行快速测试，调试，创建可移植的示例和进行基准测试，R提供了许多数据集（在Base Rdatasets包中）。library(help="datasets")R提示符下的命令描述了近100个历史数据集，每个数据集都有相关的描述和元数据。Python有这样的东西吗？

Answer 1

您可以使用rpy2package从Python访问所有R数据集。

设置界面：

>>> from rpy2.robjects import r, pandas2ri

>>> def data(name): 

...    return pandas2ri.ri2py(r[name])

然后data()使用可用数据集的任何数据集名称进行调用（就像中的一样R）

>>> df = data('iris')

>>> df.describe()

       Sepal.Length  Sepal.Width  Petal.Length  Petal.Width

count    150.000000   150.000000    150.000000   150.000000

mean       5.843333     3.057333      3.758000     1.199333

std        0.828066     0.435866      1.765298     0.762238

min        4.300000     2.000000      1.000000     0.100000

25%        5.100000     2.800000      1.600000     0.300000

50%        5.800000     3.000000      4.350000     1.300000

75%        6.400000     3.300000      5.100000     1.800000

max        7.900000     4.400000      6.900000     2.500000

要查看可用数据集的列表以及每个数据集的描述，请执行以下操作：

>>> print(r.data())

注意：rpy2需要R使用设置R_HOME变量pandas进行安装，并且也必须安装。

Answer 2

使从Python加载数据集的操作和一样容易R（并且它不需要R安装，仅需进行安装pandas）。

要开始使用它，请安装模块：

$ pip install pydataset

然后，只需加载所需的任何数据集（当前可用的大约757个数据集）：

from pydataset import data

titanic = data('titanic')

Answer 3

Scikit-Learn库中也有可用的数据集。

from sklearn import datasets

该程序包中有多个数据集。一些玩具数据集是：

load_boston()          Load and return the boston house-prices dataset (regression).

load_iris()            Load and return the iris dataset (classification).

load_diabetes()        Load and return the diabetes dataset (regression).

load_digits([n_class]) Load and return the digits dataset (classification).

load_linnerud()        Load and return the linnerud dataset (multivariate regression).