python数据预处理for knn

机器学习实战 一书中第20页数据预处理，从文本中解析数据的程序。

import numpy as np
def dataPreProcessing(fileName):
    with open(fileName) as op:
        lines=op.readlines()
        # 返回值是list
        lineNumer=len(lines)
        # list长度即文件中的行数
        dataMatrix=np.zeros((lineNumer,3))
        # 初始化lineNumer行，3列的全0矩阵，注意双层括号
        labelVector=[]
        # 标记向量初始化，它在目前是一个空的list
        index=0
        # 索引，为了后面给数据矩阵和标记向量初始化用的
        for line in lines:
            line=line.strip()
            # 去空格
            temp=line.split('\t')
            # 按换行符分割数据，返回list
            dataMatrix[index,:]=temp[0:3]
            # 切片操作，dataMatrix[a,b:c]后的方括号中第一个值表示矩阵行号（从0开始）
            # 第二、三个参数代表从b开始，c结束，前开后闭，包含b不包含c的元素
            # temp中的两个参数同理
            # 将temp中的前3个值赋给dataMatrix
            labelVector.append(int(temp[-1]))
            # 将temp中的最后一个值赋给labelVector，注意强转类型，不强转取到的类型为string
            index=index+1
        return dataMatrix,labelVector
# arr=np.array([[0,1,2],[3,4,5],[6,7,8]])
# print(arr[2,:])
fileName='./datingTestSet2.txt'
# “/”：表示根目录，在windows系统下表示某个盘的根目录，如“E:\”；
# “./”：表示当前目录；（表示当前目录时，也可以去掉“./”，直接写文件名或者下级目录）
# “../”：表示上级目录。
a,b=dataPreProcessing(fileName)
print(a,b)

 

附：今晚很郁闷，pycharm启动慢得要死，Numpy又用不了，好不容易才用清华镜像把numpy升级到可用状态，期间pycharm卡死了好几次，ukylin的虚拟机更卡，气得我想把电脑砸了，以后有替代的ide了再也不用pycharm了


---------------------------------------------------------------------------------------
2020-02-15更新
读取txt文件中的数据

testArray=genfromtxt(fileName,delimiter="\t",dtype=str)
# 文件名、分隔符、读取的数据以什么类型返回
# print('testArray=\n',testArray)
# print(testArray.shape)
# print(testArray.dtype)
testLabels=testArray[:,3]
testLabels=testLabels.astype(int)
# 矩阵切片，取出所有行第3列，其中：表示所有行
print('testLabels\n',testLabels)
print(testLabels.shape)
testInfo=testArray[:,0:3]
# 读取每一行的前3列，这里的0:3是左闭右开区间
testInfo=testInfo.astype(float)
print('testInfo:\n',testInfo)

　　今晚又重温了 “唐宇迪\1章Python科学计算库—numpy”课程系列中的 05-07三节内容，其中《课时07.Numpy矩阵基础》只看到了3'12''