load_digits

sklearn.datasets.load_digits(*, n_class=10, return_X_y=False, as_frame=False)

加载并返回数字数据集（分类）。

每个数据点都是一个数字的8x 8图像。

类	10
每类样本	~180
样本总数	1797
维度	64
特征	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

阅读更多的 User Guide .

参数:

n_classint，默认值=10

要返回的班级数量。0到10之间。

return_X_y布尔，默认=假

如果为True，则返回 (data, target) 而不是Bunch对象。有关的更多信息，请参阅下文 data 和 target object.

Added in version 0.18.

as_frame布尔，默认=假

如果为True，则数据是pandas DataFrame，包括具有适当数据类型（数字）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 是真的那 (data , target ）将是pandas DataFrame或Series，如下所述。

Added in version 0.23.

返回:

data : Bunch群

类似字典的对象，具有以下属性。

数据形状的{ndray，rame}（1797，64）

扁平化的数据矩阵。如果 as_frame=True , data 将是一个熊猫数据框架。

目标：{ndray，Series}形状（1797，）

分类目标。如果 as_frame=True , target 将是一个熊猫系列。

feature_names：list

数据集列的名称。

目标名称：列表

目标类的名称。

Added in version 0.20.

框架：形状的数据框架（1797，65）

仅在当 as_frame=True .数据框架 data 和 target .

Added in version 0.23.

图像：形状的{ndray}（1797，8，8）

原始图像数据。

DESRC：字符串

数据集的完整描述。

(data, target) ：tuple if return_X_y 是真tuple if return_X_y is True

默认情况下是两个ndarray的元组。第一个包含形状的2D nd数组（1797，64），每一行代表一个样本，每一列代表特征。形状的第二个nd数组（1797）包含目标样本。 如果 as_frame=True ，这两个数组都是pandas对象，即 X 一个摇篮， y 一系列。

Added in version 0.18.

示例

要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.gray()
>>> plt.matshow(digits.images[0])
<...>
>>> plt.show()