内置数据集
本课属于 Coddy Machine Learning 学习旅程的“数据与图表”单元。第 52 课，共 60 课。
很快你就会训练模型，这一章会帮你准备好模型所需的数据。机器学习库 scikit-learn 自带一些经典数据集，比如这些鸢尾花：
一行代码就能加载它们。from ... import 会从模块中导入一个函数，因此你可以直接用函数名调用它：
from sklearn.datasets import load_iris
iris = load_iris(as_frame=True)
print(iris.frame.shape)
print(iris.target_names)此处会输出：
(150, 5)
['setosa' 'versicolor' 'virginica']as_frame=True 表示需要 pandas，因此 iris.frame 是一个 DataFrame，而 iris.feature_names 列出了它的测量值。target 中存放的是数字，这是模型所需要的：iris.target_names[2] 是第 2 类的名称。
挑战
中等医生测量了乳腺组织样本中的细胞，并将每个细胞标记为恶性或良性。scikit-learn 将这些数据作为 load_breast_cancer 提供。
程序会读取 n，它表示 feature_names 中某个特征的位置。
- 使用
as_frame=True加载数据集。 - 打印样本数（数据框中的行数）、特征数和类别名称。
- 打印特征
n的名称及其平均值，并四舍五入到小数点后 2 位。
输入 3 时：
Samples: 569
Features: 30
Classes: ['malignant' 'benign']
mean area: 654.89亲手试试
n = int(input())
# 在下方编写你的代码
自我测试这节课包含一个小测验。开始学习即可作答，并记录你的进度。
数据与图表中的所有课
自己练习： Python 在线编译器