首先我们知道iris数据集包含三种花种类，每种花对应50个样本数据，每个数据包含4个特征数据，

#Definiation of COLs:

#1. sepal length in cm (花萼长)

#2. sepal width in cm（花萼宽）

#3. petal length in cm (花瓣长)

#4. petal width in cm（花瓣宽）

1）对比下单独每个特征下的最大最小值，观察对应每种花是否有清晰的界限

[python] 

1. from sklearn import datasets  
2. import matplotlib.pyplot as plt  
3. import numpy as np  
4. from matplotlib import cm  
5.   
6. iris = datasets.load_iris()  
7. irisFeatures = iris["data"]  
8.   
9. irisFeaturesName = iris["feature_names"]  
10. irisLabels = iris["target"]  
11.   
12. def scatter_plot(dim1, dim2):  
13.     for t,marker,color in zip(range(3),">ox","rgb"):  
14.            # zip()接受任意多个序列参数，返回一个元组tuple列表  
15.         # 用不同的标记和颜色画出每种品种iris花朵的前两维数据  
16.         # We plot each class on its own to get different colored markers  
17.         plt.scatter(irisFeatures[irisLabels == t,dim1],  
18.                     irisFeatures[irisLabels == t,dim2],marker=marker,c=color)  
19.     dim_meaning = {0:'setal length',1:'setal width',2:'petal length',3:'petal width'}  
20.     plt.xlabel(dim_meaning.get(dim1))  
21.     plt.ylabel(dim_meaning.get(dim2))  
22.   
23. #同一个特征，在不同的花种类中的最大最小分布  
24. def getMax_Min(feature_No): #每次比较一列特征，在不同种类花 的最大最小值  
25.     max_y1 = max(iris.data[:50,feature_No])  
26.     min_y1 = min(iris.data[:50,feature_No])  
27.     max_y2 = max(iris.data[50:100,feature_No])  
28.     min_y2 = min(iris.data[50:100,feature_No])      
29.     max_y3 = max(iris.data[100:150,feature_No])  
30.     min_y3 = min(iris.data[100:150,feature_No])   
31.   
32.     return max_y1,min_y1,max_y2,min_y2,max_y3,min_y3  
33.     ''''' 
34.     print('================ %s ' % iris.feature_names[feature_No]) 
35.     print('------%s'%iris.target_names[0]) 
36.     print(max_y1) 
37.     print(min_y1) 
38.     print('------%s'%iris.target_names[1]) 
39.     print(max_y2) 
40.     print(min_y2) 
41.     print('------%s'%iris.target_names[2]) 
42.     print(max_y3) 
43.     print(min_y3) 
44.     '''  
45.   
46. def main():  
47.     for i in range(4): #每次传递一个特征列  
48.         max_y1,min_y1,max_y2,min_y2,max_y3,min_y3 = getMax_Min(i)  
49.   
50.         label = ['Max-setosa','Min-setosa','Max-versicolor','Min-versicolor','Max-virginica','Min-virginica']  
51.         x = [max_y1,min_y1,max_y2,min_y2,max_y3,min_y3]  
52.         colormap = [4,4,2,2,3,3]  
53.         idx = np.arange(len(x))  
54.         color = cm.jet(np.array(colormap)/max(colormap))  
55.         plt.barh(idx, x, color=color)  
56. #        plt.barh(idx, x)  
57.         plt.yticks(idx+0.4,label,rotation=60)  
58.         plt.grid(axis='x')  
59.         plt.xlabel('value')  
60.         plt.ylabel('Type of flower')  
61.         plt.title(str(iris.feature_names[i]))  
62.           
63.         plt.show()  
64.     #========================  
65.     plt.figure(1)  
66.     plt.subplot(231)  
67.     scatter_plot(0,1)  
68.     plt.subplot(232)  
69.     scatter_plot(0,2)  
70.     plt.subplot(233)  
71.     scatter_plot(0,3)  
72.     plt.subplot(234)  
73.     scatter_plot(1,2)  
74.     plt.subplot(235)  
75.     scatter_plot(1,3)  
76.     plt.subplot(236)  
77.     scatter_plot(2,3)  
78.   
79.     plt.show()  
80.   
81. if __name__ == '__main__':  
82.     main()