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，要加载iris数据集：
iris=datasets.load_iris()
现在，我们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数据以csv，xml或任何其他格式创建我自己的数据字典，以类似的内容创建上述内容，以便可以轻松调用数据并轻松访问特征/标签。
这可能吗？有人帮我！！顺便说一下，我正在通过连续体使用 spyder（蟒蛇）平台。
谢谢！
我看到至少两个（简单的）解决方案可以解决您的问题。
首先，您可以将数据存储在自己喜欢的任何结构中。
# 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
如果你只想从csv文件中读取数据并组织它们，我建议你简单地使用熊猫或numpy的genfromtxt函数。
mydata=numpy.genfromtxt(filepath,*params)
如果 CSV 格式定期，则可以通过指定以下内容来提取每列的名称：
mydata=numpy.genfromtxt(filepath,unpack=True,names=True,delimiter=',')
然后，您只需键入其名称/标题即可访问所需的任何列数据：
mydata['your header']
（Pandas也有类似的便捷方式从CSV或类似文件中以有组织的方式抓取数据。
但是，如果您想走很长的路并学习：
简单地说，您希望为正在使用的数据编写一个类，并具有自己的访问、修改、读取 #dosomething 函数。我认为，从阅读例如 iris 类或任何基于对象编程的初学者指南中对简单类的介绍中，您会从中获得更多收益，而不是为此编写代码。
要做你想做的事，对于一个对象 MyData，你可以有例如
- read（#file） 函数，它从某种预期格式的给定文件中读取并返回一些指定的结构。要从csv文件中读取，您可以简单地使用numpy的loadtxt方法。
- 修改（#some 属性）
- 等。