1 def classify0(inX, dataSet, labels, k):
 2     dataSetSize = dataSet.shape[0]
 3     diffMat = tile(inX, (dataSetSize,1)) - dataSet
 4     sqDiffMat = diffMat**2
 5     sqDistances = sqDiffMat.sum(axis=1)
 6     distances = sqDistances**0.5

 7     sortedDistIndicies = distances.argsort()     
 8     classCount={}    
      
 9     for i in range(k):
10         voteIlabel = labels[sortedDistIndicies[i]]
11         classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
12     sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True)
13     return sortedClassCount[0][0]

1-6是计算欧式距离

7-8是根据距离排序，注意argsort 返回的list是索引值

9-13是计算距离最小的k个中不同label数目。

其中 tile argsort均在另外的随笔中介绍过了

classCount是一个dict  ，dict.get(key,default),返回的是key为xx的个数，如果没有就返回default 值，这里设置为了0.

所以这一步是在计数。

熟悉 sort的用法。operator.itemgetter(1) 命令返回的是一个函数，key=func之后就按照func来处理每一个数据 然后再进行排序。

operator.itemgetter(1)

 

在导入txt文件时出现问题了。网上都说要将kNN.py 和 txt放同一个目录下，我就是啊 为什么不行！

所以以后还是老实的 C:\.....\....\datingSet.txt  吧

 

datingDataMat,datingLabels=kNN.file2matrix('datingTestSet2.txt')
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*numpy.array(datingLabels),15.0*numpy.array(datingLabels))
plt.show()

scatter中有四个参数 ，前两个就是x y参数，后两个是利用他们labels的值不同 给他们赋予不同的大小和颜色。 第三个参数 s（size） 第四个 c（color）

 

可以简单理解为，a[1,:] 输出的是矩阵的第二行。