帕尔默企鹅数据集

这是迄今为止我最喜欢的数据集。我在最近写的书里的大多数示例都来自于它。简单来说，如果你在 Iris 数据集上做实验做腻了就可以尝试一下这一个。它由 Kristen Gorman 博士和南极洲 LTER 的帕尔默科考站共同创建。该数据集本质上是由两个数据集组成的，每个数据集包含 344 只企鹅的数据。

就像 Iris 一样，这个数据集里有来自帕尔默群岛 3 个岛屿的 3 种不同种类的企鹅，分别是 Adelie、Chinstrap 和 Gentoo。或许“Gentoo”听起来很耳熟，那是因为 Gentoo Linux 就是以它命名的！此外，这些数据集包含每个物种的 culmen 维度。这里 culmen 是鸟喙的上脊。在简化的企鹅数据中，culmen 长度和深度被重命名为变量 culmen_length_mm 和 culmen_depth_mm。

1 数据集样本

我们加载数据，看看它是什么样的：

<span class="n">data</span> <span class="o">=</span> <span class="n">pd</span><span class="o">.</span><span class="n">read_csv</span><span class="p">(</span><span class="n">f</span><span class="s2">".</span><span class="se">\\</span><span class="s2">Datasets</span><span class="se">\\</span><span class="s2">penguins_size.csv"</span><span class="p">)</span>
<span class="n">data</span><span class="o">.</span><span class="n">head</span><span class="p">()</span>

我们使用 Pandas 库来做数据可视化，并且加载的是一个更简单的数据集。

2 这个公共数据集适合解决什么问题？

它是练习解决分类和聚类问题的好帮手。在这里，你可以尝试各种分类算法，如决策树、随机森林、SVM，或把它用于聚类问题并练习使用无监督学习。

3 有用的链接

在以下链接中可以获得有关 PalmerPenguins 数据集的更多信息：

介绍：https://allisonhorst.github.io/palmerpenguins/articles/intro.html

GitHu：https://link.zhihu.com/?target=https%3A//github.com/allisonhorst/palmerpenguins

Kaggle：https://www.kaggle.com/datasets/parulpandey/palmer-archipelago-antarctica-penguin-data