独家 | UCI机器学习数据库的Python API介绍

　　独家 | UCI机器学习数据库的Python API介绍

　　8. 根据数据集大小下载数据集。

　　9. 根据与之关联的机器学习任务下载数据集。

　　案例（搜索并下载某个数据集）

　　例如，如果要下载著名的Iris数据集，只需从菜单中选择选项3，输入存储的本地数据库的名称（以便搜索更迅速）。 就可以下载Iris数据集并将其存储在名为“Iris”的文件夹中！

　　

　　案例（搜索包含关键词的数据集）

　　如果选择选项7，将使用关键字进行搜索，得到名称与搜索字符串匹配的所有数据集（甚至部分）的简短摘要。你还可以获得每个结果的网页链接，以便根据需要进一步探索数据。 下面的屏幕截图是使用关键词Cancer进行搜索的结果。

　　

　　如果你想另辟蹊径

　　如果你想避开这个简单的用户API，而使用基础函数，也是可行的。大致流程如下，首先导入必要的包。

　　fromUCI_ML_Functions import*importpandas aspd

　　read_dataset_table()：从url读取数据集并进一步处理以便后续的数据清洗和分类。

　　url：

　　clean_dataset_table()：清洗原始数据集（数据框对象（DataFrame））并返回数据。处理后的数据删除了包含空缺值的观测。并且删除了“默认任务”列，该列用来显示与数据集关联的主机学习任务。

　　build_local_table(filename=None, msg_flag=True)：读取UCI ML网站并使用名称，大小，ML任务，数据类型等信息构建本地表。

　　build_dataset_list()：抓取UCI ML数据集页面的信息，并构建包含所有数据集信息的列表。

　　build_dataset_dictionary()：抓取UCI ML数据集页面的信息，并构建包含所有数据集名称和描述的字典(dictionary)。此外，还对应数据集生成了唯一标识符，下载器需要这个标识符字符串来下载数据文件。这种情况下，通用名称不起作用。

　　build_full_dataframe()：构建一个包含所有信息的数据框（DataFrame），包括用于下载数据的URL链接。

　　build_local_database(filename=None, msg_flag=True)：读取UCI ML网站并使用以下信息构建本地数据库：name，abstract，data page URL。

　　return_abstract(name,local_database=None,msg_flag=False)：通过搜索给定的名称，返回特定数据集的单行描述（以及更多信息的网页链接）。

　　describe_all_dataset(msg_flag=False)：调用build_dataset_dictionary函数并显示所有数据集的描述。

　　print_all_datasets_names(msg_flag=False)：调用build_dataset_dictionary函数并显示所有数据集的名称。

　　extract_url_dataset(dataset,msg_flag=False)：给定数据集标识符，此函数提取实际原始数据所在页面的URL。

　　download_dataset_url(url,directory,msg_flag=False,download_flag=True)：从给定url中的链接下载所有文件。

　　download_datasets(num=10,local_database=None,msg_flag=True,download_flag=True)：下载数据集并将它们放在以数据集命名的本地目录中。默认情况下，仅下载前10个数据集。用户可以选择要下载的数据集数量。

　　download_dataset_name(name,local_database=None,msg_flag=True,download_flag=True)：根据下载指定名称的数据集。

　　download_datasets_size(size='Small',local_database=None,local_table=None,msg_flag=False,download_flag=True)：下载满足'size'标准的所有数据集。

　　download_datasets_task(task='Classification',local_database=None,local_table=None,msg_flag=False,download_flag=True)：下载用户想要的所有符合ML任务标准的数据集。

　　原文标题：

　　Introducing a simple and intuitive Python API for UCI machine learning repository

　　原文链接：

　　译者简介

　　

　　王雨桐，UIUC统计学在读硕士，本科统计专业，目前专注于Coding技能的提升。理论到应用的转换中，敬畏数据，持续进化。

　　翻译组招募信息

　　工作内容：需要一颗细致的心，将选取好的外文文章翻译成流畅的中文。如果你是数据科学/统计学/计算机类的*敏*感*词*，或在海外从事相关工作，或对自己外语水平有信心的朋友欢迎加入翻译小组。

　　你能得到：定期的翻译培训提高志愿者的翻译水平，提高对于数据科学前沿的认知，海外的朋友可以和国内技术应用发展保持联系，THU数据派产学研的背景为志愿者带来好的发展机遇。

　　其他福利：来自于名企的数据科学工作者，北大清华以及海外等名校学生他们都将成为你在翻译小组的伙伴。