在sci-kit learn python 库中，有许多数据集可以通过以下命令轻松访问：
例如加载iris 数据集：
iris=datasets.load_iris()
我们现在可以按如下方式分配数据和目标/标签变量：
X=iris.data # assigns feature dataset to X
Y=iris.target # assigns labels to Y
我的问题是如何使用我自己的 csv、xml 或任何其他格式的数据创建我自己的数据字典，并将其转换为上述类似的格式，以便可以轻松调用数据并轻松访问功能/标签。
这可能吗？谁来帮帮我！！
顺便说一句，我正在使用 continuum 的 spyder (anaconda) 平台。
谢谢！
【问题讨论】：
标签： python pandas dataset scikit-learn spyder
我看到您的问题至少有两个（简单的）解决方案。
首先，您可以将数据存储在您喜欢的任何结构中。
# Storing in a list
my_list = []
my_list.append(iris.data)
my_list[0] # your data
# Storing in a dictionary
my_dict = {}
my_dict["data"] = iris.data
my_dict["data"] # your data
或者，您可以创建自己的类：
Class MyStructure:
def __init__(data, target):
self.data = data
self.target = target
my_class = MyStructure(iris.data, iris.target)
my_class.data # your data
希望对你有帮助
【讨论】：
如果您只想从 csv 文件中读取数据并整理它们，我建议您简单地使用 pandas 或 numpy 的 genfromtxt 函数。
mydata=numpy.genfromtxt(filepath,*params)
如果 CSV 被定期格式化，您可以通过指定来提取例如每列的名称：
mydata=numpy.genfromtxt(filepath,unpack=True,names=True,delimiter=',')
然后您可以通过简单地输入它的名称/标题来访问您想要的任何列数据：
mydata['your header']
（Pandas 也有类似的便捷方式，可以从 CSV 或类似文件中以有组织的方式获取数据。）
但是，如果您想长期学习并学习：
简单地说，你想为你正在使用的数据编写一个类，完成它自己的访问、修改、读取、#dosomething 功能。除了编写代码之外，我认为你会从阅读 iris 类或任何基于对象编程的初学者指南中的简单类介绍中受益更多。
要做你想做的事，对于一个对象MyData，你可以有例如
【讨论】：