load_digits#

sklearn.datasets.load_digits(*, n_class=10, return_X_y=False, as_frame=False)[源码]#

加载并返回数字数据集（分类）。

每个数据点都是一个 8x8 的数字图像。

类别	10
每个类别的样本数	~180
样本总数	1797
维度	64
特征	整数 0-16

这是 UCI ML 手写数字数据集测试集的副本 https://archive.ics.uci.edu/ml/datasets/Optical+Recognition+of+Handwritten+Digits

更多信息请参阅用户指南。

参数:

n_classint，默认值=10: 返回的类别数量。介于 0 和 10 之间。
return_X_ybool，默认值=False: 如果为 True，则返回 (data, target) 而非 Bunch 对象。有关 data 和 target 对象的更多信息，请参见下文。

自 0.18 版本新增。
as_framebool，默认值=False: 如果为 True，则数据为 pandas DataFrame，包括具有适当 dtypes（数值）的列。目标是 pandas DataFrame 或 Series，具体取决于目标列的数量。如果 return_X_y 为 True，则 (data, target) 将是如下所述的 pandas DataFrame 或 Series。

自 0.23 版本新增。

返回:

dataBunch

字典状对象，具有以下属性。

data{ndarray, dataframe}，形状 (1797, 64): 扁平化数据矩阵。如果 as_frame=True，则 data 将是一个 pandas DataFrame。
target: {ndarray, Series}，形状 (1797,): 分类目标。如果 as_frame=True，则 target 将是一个 pandas Series。
feature_names: list: 数据集列的名称。
target_names: list: 目标类别的名称。

自 0.20 版本新增。
frame: DataFrame，形状 (1797, 65): 仅当 as_frame=True 时存在。包含 data 和 target 的 DataFrame。

自 0.23 版本新增。
images: {ndarray}，形状 (1797, 8, 8): 原始图像数据。
DESCR: str: 数据集的完整描述。

(data, target)如果 return_X_y 为 True 则为元组

默认情况下，包含两个 ndarray 的元组。第一个包含一个形状为 (1797, 64) 的 2D ndarray，其中每行代表一个样本，每列代表特征。第二个形状为 (1797) 的 ndarray 包含目标样本。如果 as_frame=True，则两个数组都是 pandas 对象，即 X 为 dataframe，y 为 series。

自 0.18 版本新增。

示例

加载数据并可视化图像

>>> from sklearn.datasets import load_digits
>>> digits = load_digits()
>>> print(digits.data.shape)
(1797, 64)
>>> import matplotlib.pyplot as plt
>>> plt.matshow(digits.images[0], cmap="gray")
<...>
>>> plt.show()