1 from matplotlib.font_manager import FontProperties
2 import matplotlib.lines as mpl
3 import matplotlib.pyplot as plt
4 import numpy as np
5 import operator
6 #KNN分类器，inX测试集，dataSet训练集
7 def classify0(inX, dataSet, labels, k):
8 #得到作差后的新数组
9 diffmat=inX-dataSet
10 sqdiffmat=diffmat**2
11 #sum()所有元素相加，sum(0)所有列相加得到新的列表，sum(1)所有行相加
12 dis1=sqdiffmat.sum(axis=1)
13 dis=dis1**0.5
14 #返回一个列表的顺序排序索引
15 sorted_disindex=dis.argsort()
16 #创建空字典
17 classCount={}
18 for i in range(k):
19 #取出前k个元素的类别
20 votelabel = labels[sorted_disindex[i]]
21 #dict.get(key,default=None),字典的get()方法,返回指定键的值,如果值不在字典中返回默认值。
22 #计算类别次
23 classCount[votelabel]=classCount.get(votelabel,0) + 1
24 # #key=operator.itemgetter(1)根据字典的值进行排序
25 #key=operator.itemgetter(0)根据字典的键进行排序
26 #reverse降序排序字典
27 sortedclassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
28 return sortedclassCount[0][0]
29
30
31 #解析约会数据文件，并将数据导入一个numpy矩阵
32 def file2matrix(filename):
33 #打开文件
34 fr = open(filename)
35 #读取文件所有内容
36 arrayOLines = fr.readlines()
37 #得到文件行数
38 numberOfLines = len(arrayOLines)
39 #返回的NumPy矩阵,解析完成的数据:numberOfLines行,3列
40 returnMat = np.zeros((numberOfLines,3))
41 #返回的分类标签向量
42 classLabelVector = []
43 #行的索引值
44 index = 0
45 for line in arrayOLines:
46 #s.strip(rm)，当rm空时,默认删除空白符(包括'\n','\r','\t',' ')
47 line = line.strip()
48 #使用s.split(str="",num=string,cout(str))将字符串根据'\t'分隔符进行切片。
49 listFromLine = line.split('\t')
50 #将数据前三列提取出来,存放到returnMat的NumPy矩阵中,也就是特征矩阵
51 returnMat[index,:] = listFromLine[0:3]
52 #根据文本中标记的喜欢的程度进行分类,1代表不喜欢,2代表魅力一般,3代表极具魅力
53 if listFromLine[-1] == 'didntLike':
54 classLabelVector.append(1)
55 elif listFromLine[-1] == 'smallDoses':
56 classLabelVector.append(2)
57 elif listFromLine[-1] == 'largeDoses':
58 classLabelVector.append(3)
59 index += 1
60 return returnMat, classLabelVector
61
62 #数据的初始分析，完整可用程序中也不需要
63 def showdatas():
64 datingDataMat, datingLabels=file2matrix(filename)
65 #设置汉字格式,图标题文字
66 font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc")
67 #将fig画布分隔成1行1列,不共享x轴和y轴,fig画布的大小为(13,8)
68 #当nrow=2,nclos=2时,代表fig画布被分为四个区域,axs[0][0]表示第一行第一个区域
69 fig, axs = plt.subplots(nrows=2, ncols=2,sharex=False, sharey=False, figsize=(13,8))
70
71 numberOfLabels = len(datingLabels)
72 LabelsColors = []
73 for i in datingLabels:
74 if i == 1:
75 LabelsColors.append('red')
76 if i == 2:
77 LabelsColors.append('orange')
78 if i == 3:
79 LabelsColors.append('blue')
80 #画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第二列(玩游戏)数据画散点数据,散点大小为15,透明度为0.5
81 axs[0][0].scatter(x=datingDataMat[:,0], y=datingDataMat[:,1], color=LabelsColors,s=15, alpha=.5)
82 #设置标题,x轴label,y轴label
83 axs0_title_text = axs[0][0].set_title(u'飞行里程与玩游戏耗时占比',FontProperties=font)
84 axs0_xlabel_text = axs[0][0].set_xlabel(u'飞行里程程',FontProperties=font)
85 axs0_ylabel_text = axs[0][0].set_ylabel(u'玩游戏耗时',FontProperties=font)
86 plt.setp(axs0_title_text, size=9, weight='bold', color='black')
87 plt.setp(axs0_xlabel_text, size=8, weight='bold', color='black')
88 plt.setp(axs0_ylabel_text, size=8, weight='bold', color='black')
89
90 #画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
91 axs[0][1].scatter(x=datingDataMat[:,0], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
92 #设置标题,x轴label,y轴label
93 axs1_title_text = axs[0][1].set_title(u'飞行里程与消费冰激淋公升',FontProperties=font)
94 axs1_xlabel_text = axs[0][1].set_xlabel(u'飞行里程',FontProperties=font)
95 axs1_ylabel_text = axs[0][1].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
96 plt.setp(axs1_title_text, size=9, weight='bold', color='black')
97 plt.setp(axs1_xlabel_text, size=8, weight='bold', color='black')
98 plt.setp(axs1_ylabel_text, size=8, weight='bold', color='black')
99
100 #画出散点图,以datingDataMat矩阵的第二(玩游戏)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
101 axs[1][0].scatter(x=datingDataMat[:,1], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
102 #设置标题,x轴label,y轴label
103 axs2_title_text = axs[1][0].set_title(u'玩游戏耗时与冰激淋公升数占比',FontProperties=font)
104 axs2_xlabel_text = axs[1][0].set_xlabel(u'玩游戏耗时',FontProperties=font)
105 axs2_ylabel_text = axs[1][0].set_ylabel(u'消费冰激淋公升数',FontProperties=font)
106 plt.setp(axs2_title_text, size=9, weight='bold', color='black')
107 plt.setp(axs2_xlabel_text, size=8, weight='bold', color='black')
108 plt.setp(axs2_ylabel_text, size=8, weight='bold', color='black')
109 #设置图例
110 didntLike = mpl.Line2D([], [], color='red', marker='.',
111 markersize=6, label='didntLike')
112 smallDoses = mpl.Line2D([], [], color='orange', marker='.',
113 markersize=6, label='smallDoses')
114 largeDoses = mpl.Line2D([], [], color='blue', marker='.',
115 markersize=6, label='largeDoses')
116 #添加图例
117 axs[0][0].legend(handles=[didntLike,smallDoses,largeDoses])
118 axs[0][1].legend(handles=[didntLike,smallDoses,largeDoses])
119 axs[1][0].legend(handles=[didntLike,smallDoses,largeDoses])
120 #显示图片
121 plt.show()
122
123 def autoNorm(dataSet):
124 #获得数据的最小值
125 minVals = dataSet.min(0)
126 maxVals = dataSet.max(0)
127 #最大值和最小值的范围
128 ranges = maxVals - minVals
129 #原始值减去最小值
130 normDataSet = dataSet - minVals
131 #除以最大和最小值的差,得到归一化数据
132 normDataSet = normDataSet / ranges
133 #返回归一化数据结果,数据范围,最小值
134 return normDataSet, ranges, minVals
135
136 ##测试算法的准确性，完整的可用系统里不需要
137 def datingClassTest():
138 #将返回的特征矩阵和分类向量分别存储到datingDataMat和datingLabels中
139 datingDataMat, datingLabels = file2matrix(filename)
140 #取所有数据的百分之十
141 hoRatio = 0.10
142 #数据归一化,返回归一化后的矩阵,数据范围,数据最小值
143 normMat, ranges, minVals = autoNorm(datingDataMat)
144 #获得normMat的行数
145 m = normMat.shape[0]
146 #百分之十的测试数据的个数
147 numTestVecs = int(m * hoRatio)
148 #分类错误计数
149 errorCount = 0.0
150
151 for i in range(numTestVecs):
152 #前numTestVecs个数据作为测试集,后m-numTestVecs个数据作为训练集
153 classifierResult = classify0(normMat[i,:], normMat[numTestVecs:m,:],
154 datingLabels[numTestVecs:m], 5)
155 print("分类结果:%d\t真实类别:%d" % (classifierResult, datingLabels[i]))
156 if classifierResult != datingLabels[i]:
157 errorCount += 1.0
158 print("错误率:%f%%" %(errorCount/float(numTestVecs)*100))
159
160 def classifyPerson():
161 #输出结果
162 resultList = ['讨厌','有些喜欢','非常喜欢']
163 #三维特征用户输入
164 precentTats = float(input("玩游戏耗时百分比:"))
165 ffMiles = float(input("每年飞行里程数:"))
166 iceCream = float(input("每周消费冰激淋公升数:"))
167 #打开的文件名
168 filename = "datingTestSet.txt"
169 #打开并处理数据
170 datingDataMat, datingLabels = file2matrix(filename)
171 #训练集归一化
172 normMat, ranges, minVals = autoNorm(datingDataMat)
173 #生成NumPy数组,测试集
174 inArr = np.array([precentTats, ffMiles, iceCream])
175 #测试集归一化
176 norminArr = (inArr - minVals) / ranges
177 #返回分类结果
178 classifierResult = classify0(norminArr, normMat, datingLabels, 3)
179 #打印结果
180 print("你可能%s这个人" % (resultList[classifierResult-1]))
181
182
183 if __name__ == '__main__':
184 filename = "C:/Users/Administrator/Desktop/data/datingTestSet.txt"
185 classifyPerson()
