Práctico 01: Iris dataset

En este práctico veremos un analisis al famoso iris dataset.

Preparación del entorno

Primero empezamos esta prática instalando las librerías necesarias en Python.

pip install pandas seaborn matplotlib sklearn

Después verificamos las librerías y la versión de python

# Importación de librerías
import seaborn as sns
import sys
import pandas as pd
import seaborn as sns
import matplotlib

# Verificación de la versión de Python
print(sys.version)

# Verificación de las versiones de las librerías
print(pd.__version__, sns.__version__, matplotlib.__version__)

Investigación del dataset

Investigamos el dataset, empezando a realizar preguntas mientras su exploración.
Ejemplos de preguntas ordenadas de mayor o menor: 1. ¿Que correlaciones hay entre los tamaños del sepalo y del petalo? 2. ¿Cuál es el promedio de largo del petalo por especie? 3. ¿Cuál es el promedio del largo del sepalo por especie?

Y ahora, cargaremos el dataset a través de seaborn

df = sns.load_dataset('iris')
df.head()

Aunque existan otras maneras para cargar este dataset, como desde Kaggle Hub o de scikit-learn.

Data dictionary

Acá se mostrará un data dictionary del dataset | Nombre | Tipo | Descripción | Unidad |---------------|-----------|---------------------------|-------| | sepal_length| float64 | Ancho del sepalo del iris | cm
| sepal_width | float64 | Largo del sepalo del iris | cm | petal_length| float64 | Largo del petalo del iris | cm | petal_width | float64 | Ancho del petalo del iris | cm | species | category| Clase de Iris: Iris Setosa, Iris Versicolour, o Iris Virginica |