from numpy import *
import operator
import matplotlib
import matplotlib.pyplot as plt
from imp import *
#from os import *
import osreload(operator)def start():
group,labels = createDataSet()
testSample = [5,7]
print("测试样本：" ,end="")
print(testSample) return classify0(testSample, group, labels, 4)def createDataSet(): group = array([[1,2],[2,3],[1,1],[4,5]]) #此处随意定义，表示一个已知的已分类的数据集
labels = ['A','A','B','B'] #例如
#group = array([[1,2],[2,3],[1,1],[4,5],[5,7],[6,6]]) #此处随意定义，表示一个已知的已分类的数据集
#labels = ['A','A','B','B','C','C'] return group, labels def classify0(inX, dataSet, labels, k):
"""
inX 是输入的测试样本，是一个[x, y]样式的
dataset 是训练样本集
labels 是训练样本标签
k 是top k最相近的
""" # 矩阵的shape是个tuple，如果直接调用dataSet.shape，会返回(4,2)，即
# 返回矩阵的(行数，列数)，
# 那么shape[0]获取数据集的行数，
# 行数就是样本的数量
# shape[1]返回数据集的列数
dataSetSize = dataSet.shape[0] ###################说明代码########################
#print("dataSet.shape[0]返回矩阵的行数：")
#print(dataSetSize)
#print("dataSet.shape[1]返回矩阵的列数：")
#cols = dataSet.shape[1]
#print(cols)
#print(dataSet.shape)
#print("dataSet.shape类型：")
#print(type(dataSet.shape))
################################################### #此处Mat是Maxtrix的缩写，diffMat，即矩阵的差，结果也是矩阵
#关于tile函数的说明，见http://www.cnblogs.com/Sabre/p/7976702.html
#简单来说就是把inX（本例是[1,1]）在“行”这个维度上，复制了dataSetSize次(本例dataSetSize==4)，在“列”这个维度上，复制了1次
#形成[[1,1],[1,1],[1,1],[1,1]]这样一个矩阵，以便与dataSet进行运算
#之所以进行这样的运算，是因为要使用欧式距离公式求输入点与已存在各点的距离 #这是第1步，求给出点[1,1]与已知4点的差，输出为矩阵
diffMat = tile(inX,(dataSetSize,1)) - dataSet
#print(tile(inX,(dataSetSize,1))) ###################说明代码########################
#print("diffMat:" + str(diffMat))
################################################### #第2步，对矩阵进行平方，即，求差的平方
sqDiffMat = diffMat ** 2 ###################说明代码########################
#print("sqDiffMat:" + str(sqDiffMat))
#print("sqDiffMat",end="")
#print(sqDiffMat[324])
################################################### #sum(axis=1)是将矩阵中每一行中的数值相加,如[[0 0] [1 1] [0 1] [9 9]]将得到[0,2,1,18]，得到平方和
#sum(axis=0)是将矩阵中每一列中的数值相加
#第3步，求和
sqDistances = sqDiffMat.sum(axis=1)
#print("sqDistances：", end="")
#print(sqDistances[875]) ###################说明代码########################
#print("sqDistances:" + str(sqDistances))
################################################### #第4步，将平方和进行开方，得到距离，输出为数组
distances = sqDistances ** 0.5 ###################说明代码########################
#print("未知点到各个已知点的距离:",distances)
################################################### #argsort()，将数组中的元素的索引放在由小到大的位置上由小到大排序
#如数组a = array([ 0 4 3 18])，b = a.argsort()之后，得到b是[0 2 1 3]这是a的索引数组，最小的在最前面，位置0，第二小的是索引为2的元素，即3，3在数组中的位置是2
#第三小的是索引为1的，即4，4在数组中的索引位置是2，第四小的是索引为3的，即18
#这样保证了原数组元素的位置不变，以便进行标签的匹配
#print(distances[875])
#print(distances[324])
#print(distances[392])
sortedDistIndicies = distances.argsort() ###################说明代码########################
#print("索引位置:", sortedDistIndicies) #可得到前k个索引
################################################### #创建空字典
classCount = {} #k值是取前k个样本进行比较
for i in range(k):
#返回distances中索引为sortedDistIndicies[i]的值
#此例中分别为：
#sortedDistIndicies[0]==0，则labels[0]=='A'，voteIlabel=='A'
#sortedDistIndicies[1]==2，则labels[2]=='B'，voteIlabel=='B'
#sortedDistIndicies[2]==1，则labels[0]=='A'，voteIlabel=='A'
#sortedDistIndicies[3]==18，则labels[0]=='B'，voteIlabel=='B' voteIlabel = labels[sortedDistIndicies[i]]
#print("中华人民共和国")
###################说明代码######################## # print(voteIlabel)
# print("标签" + str(i) + "：" + str(voteIlabel))
################################################### #dict.get(key, default=None)，对于键 key 返回其对应的值，或者若 dict 中不含 key 则返回 default（注意， default的默认值为 None，此处设置为0）
#第一次调用classCount.get时，classCount内还没有值
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 ###################说明代码########################
# print("第"+str(i+1)+"次访问，classCount[" + str(voteIlabel) + "]值为:" + str(classCount[voteIlabel]))
# print("classCount的内容为:")
# print(classCount)
################################################### # sorted(iterable[,cmp,[,key[,reverse=True]]])
# 作用：Return a new sorted list from the items in iterable.
# 第一个参数是一个iterable，返回值是一个对iterable中元素进行排序后的列表(list)。
# 可选的参数有三个，cmp、key和reverse。
# 1)cmp指定一个定制的比较函数，这个函数接收两个参数（iterable的元素），如果第一个参数小于第二个参数，返回一个负数；如果第一个参数等于第二个参数，返回零；如果第一个参数大于第二个参数，返回一个正数。默认值为None。
# 2)key指定一个接收一个参数的函数，这个函数用于从每个元素中提取一个用于比较的关键字。默认值为None。
# 从python2.4开始，list.sort()和sorted()函数增加了key参数来指定一个函数，此函数将在每个元素比较前被调用
# key参数的值为一个函数，此函数只有一个参数且返回一个值用来进行比较。这个技术是快速的，因为key指定的函数将准确地对每个元素调用。
# key=operator.itemgetter(0)或key=operator.itemgetter(1)，决定以字典的键排序还是以字典的值排序
# 0以键排序，1以值排序
# 3)reverse是一个布尔值。如果设置为True，列表元素将被倒序排列。
# operator.itemgetter(1)这个很难解释，用以下的例子一看就懂
# a=[11,22,33]
# b = operator.itemgetter(2)
# b(a)
# 输出：33
# b = operator.itemgetter(2,0,1)
# b(a)
# 输出：(33,11,22)
# operator.itemgetter函数返回的不是值，而是一个函数，通过该函数作用到对象上才能获取值
# 在这里itemgetter(1)的作用是按照第二个元素的顺序对元组进行排序，也就是value的顺序，如果改成itemgetter(0)，则根据Key值排序
sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1), reverse=True) #print(sortedClassCount) #返回正序排序后最小的值，即“k个最小相邻”的值决定测试样本的类别
print("最终结果，测试样本类别：" , end="")
print(sortedClassCount)
return sortedClassCount[0][0]
以下为输出结果，未必完全一致，请自行调试。
输出结果：
| dataSet.shape[0]返回矩阵的行数：
dataSet.shape[1]返回矩阵的列数： (4, 2) |
微信扫一扫 
