python - 是否有 Python 的示例数据集？

Question

为了快速测试、调试、创建可移植示例和基准测试，R 提供了大量数据集(在 Base R datasets 包中)。 R 提示符下的命令 library(help="datasets") 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 rpy2包以从 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])

然后使用可用数据集的任何数据集名称调用 data()(就像在 R 中一样)

>>> 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:

>>> print(r.data())

注意:rpy2 需要安装 R 并设置 R_HOME 变量和 pandas也必须安装。

更新

我刚刚创建了 PyDataset , 这是一个简单的模块，可以像 R 一样简单地从 Python 加载数据集(并且它不需要 R 安装，只需要 pandas)。

要开始使用它，请安装模块:

$ pip install pydataset

然后只需加载您想要的任何数据集(目前大约有 757 个数据集可用):

from pydataset import data

titanic = data('titanic')