#-*- coding:utf-8 -*-

 import matplotlib.lines as mlines

 import matplotlib.pyplot as plt

 import numpy as np

 import matplotlib as mpl

 import operator

 '''

 #准备数据，从文本文件中解析数据

 '''

 def file2matrix(filename):

     #打开文件

     with open(filename,'r') as fr:

         # 读取文件所有内容

         arrayOLines = fr.readlines()

         # 得到文件行数

         numberOfLines = len(arrayOLines)

         # 返回的NumPy矩阵,解析完成的数据:numberOfLines行,3列

         returnMat = np.zeros((numberOfLines, 3))

         # 返回的分类标签向量

         classLabelVector = []

         # 行的索引值

         index = 0

         for line in arrayOLines:

             # s.strip(rm)，当rm空时,默认删除空白符(包括'\n','\r','\t',' ')

             line = line.strip()

             # 使用s.split(str="",num=string,cout(str))将字符串根据'\t'分隔符进行切片。

             listFromLine = line.split('\t')

             # 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

             returnMat[index, :] = listFromLine[0:3]

             # 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

             if listFromLine[-1] == 'didntLike':

                 classLabelVector.append(1)

             elif listFromLine[-1] == 'smallDoses':

                 classLabelVector.append(2)

             elif listFromLine[-1] == 'largeDoses':

                 classLabelVector.append(3)

             index += 1

     return returnMat, classLabelVector

 '''

 #分析数据，数据可视化，使用Matplotlib创建散点图

 '''

 def showdatas(datingDataMat, datingLabels):

     #设置汉字格式

     # sans-serif就是无衬线字体，是一种通用字体族。

     # 常见的无衬线字体有 Trebuchet MS, Tahoma, Verdana, Arial, Helvetica, 中文的幼圆、隶书等等

     mpl.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体 SimHei为黑体

     mpl.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

     #将fig画布分隔成2行2列,不共享x轴和y轴,fig画布的大小为(13,8)

     #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

     fig, axs = plt.subplots(nrows=2, ncols=2,sharex=False, sharey=False, figsize=(13,9))

     LabelsColors = []

     for i in datingLabels:

         if i == 1:

             LabelsColors.append('black')

         if i == 2:

             LabelsColors.append('orange')

         if i == 3:

             LabelsColors.append('red')

     #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

     axs[0][0].scatter(x=datingDataMat[:,0], y=datingDataMat[:,1], color=LabelsColors,s=15, alpha=.5)

     #设置标题,x轴label,y轴label

     axs0_title_text = axs[0][0].set_title('每年获得的飞行常客里程数与玩视频游戏所消耗时间占比')

     axs0_xlabel_text = axs[0][0].set_xlabel('每年获得的飞行常客里程数')

     axs0_ylabel_text = axs[0][0].set_ylabel('玩视频游戏所消耗时间占')

     plt.setp(axs0_title_text, size=12, weight='bold', color='red')

     plt.setp(axs0_xlabel_text, size=10, weight='bold', color='black')

     plt.setp(axs0_ylabel_text, size=10, weight='bold', color='black')

     #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

     axs[0][1].scatter(x=datingDataMat[:,0], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)

     #设置标题,x轴label,y轴label

     axs1_title_text = axs[0][1].set_title('每年获得的飞行常客里程数与每周消费的冰激淋公升数',)

     axs1_xlabel_text = axs[0][1].set_xlabel('每年获得的飞行常客里程数')

     axs1_ylabel_text = axs[0][1].set_ylabel('每周消费的冰激淋公升数')

     plt.setp(axs1_title_text, size=12, weight='bold', color='red')

     plt.setp(axs1_xlabel_text, size=10, weight='bold', color='black')

     plt.setp(axs1_ylabel_text, size=10, weight='bold', color='black')

     #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

     axs[1][0].scatter(x=datingDataMat[:,1], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)

     #设置标题,x轴label,y轴label

     axs2_title_text = axs[1][0].set_title('玩视频游戏所消耗时间占比与每周消费的冰激淋公升数')

     axs2_xlabel_text = axs[1][0].set_xlabel('玩视频游戏所消耗时间占比')

     axs2_ylabel_text = axs[1][0].set_ylabel('每周消费的冰激淋公升数')

     plt.setp(axs2_title_text, size=12, weight='bold', color='red')

     plt.setp(axs2_xlabel_text, size=10, weight='bold', color='black')

     plt.setp(axs2_ylabel_text, size=10, weight='bold', color='black')

     #设置图例

     didntLike = mlines.Line2D([], [], color='black', marker='.', markersize=6, label='不喜欢')

     smallDoses = mlines.Line2D([], [], color='orange', marker='.',markersize=6, label='魅力一般')

     largeDoses = mlines.Line2D([], [], color='red', marker='.',markersize=6, label='极具魅力')

     #添加图例

     axs[0][0].legend(handles=[didntLike,smallDoses,largeDoses])

     axs[0][1].legend(handles=[didntLike,smallDoses,largeDoses])

     axs[1][0].legend(handles=[didntLike,smallDoses,largeDoses])

     #显示图片

     plt.show()

 '''

 #准备数据，数据归一化处理

 '''

 def autoNorm(dataSet):

     #获得每列数据的最小值和最大值

     minVals = dataSet.min(0)

     maxVals = dataSet.max(0)

     #最大值和最小值的范围

     ranges = maxVals - minVals

     #shape(dataSet)返回dataSet的矩阵行列数

     #normDataSet = np.zeros(np.shape(dataSet))

     #返回dataSet的行数

     m = dataSet.shape[0]

     #原始值减去最小值

     normDataSet = dataSet - np.tile(minVals, (m, 1))

     #除以最大和最小值的差,得到归一化数据

     normDataSet = normDataSet / np.tile(ranges, (m, 1))

     #返回归一化数据结果,数据范围,最小值

     return normDataSet, ranges, minVals

 '''

 KNN算法分类器

 #  inX - 用于分类的数据(测试集)

 #  dataSet - 用于训练的数据(训练集)

 #  labes - 训练数据的分类标签

 #  k - kNN算法参数,选择距离最小的k个点

 #  sortedClassCount[0][0] - 分类结果

 '''

 def classify0(inX, dataSet, labels, k):

     #numpy函数shape[0]返回dataSet的行数

     dataSetSize = dataSet.shape[0]

     #在列向量方向上重复inX共1次(横向),行向量方向上重复inX共dataSetSize次(纵向)

     diffMat = np.tile(inX, (dataSetSize, 1)) - dataSet

     #二维特征相减后平方

     sqDiffMat = diffMat**2

     #sum()所有元素相加,sum(0)列相加,sum(1)行相加

     sqDistances = sqDiffMat.sum(axis=1)

     #开方,计算出距离

     distances = sqDistances**0.5

     #返回distances中元素从小到大排序后的索引值

     sortedDistIndices = distances.argsort()

     #定一个记录类别次数的字典

     classCount = {}

     for i in range(k):

         #取出前k个元素的类别

         voteIlabel = labels[sortedDistIndices[i]]

         #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。

         #计算类别次数

         classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1

     #python3中用items()替换python2中的iteritems()

     #key=operator.itemgetter(1)根据字典的值进行排序

     #key=operator.itemgetter(0)根据字典的键进行排序

     #reverse降序排序字典

     sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)

     #返回次数最多的类别,即所要分类的类别

     return sortedClassCount[0][0]

 '''

 #测试算法，计算分类器的准确率，验证分类器

 '''

 def datingClassTest():

     #打开的文件名

     filename = "datingTestSet.txt"

     #将返回的特征矩阵和分类向量分别存储到datingDataMat和datingLabels中

     datingDataMat, datingLabels = file2matrix(filename)

     #取所有数据的百分之十

     hoRatio = 0.10

     #数据归一化,返回归一化后的矩阵,数据范围,数据最小值

     normMat, ranges, minVals = autoNorm(datingDataMat)

     #获得normMat的行数

     m = normMat.shape[0]

     #百分之十的测试数据的个数

     numTestVecs = int(m * hoRatio)

     #分类错误计数

     errorCount = 0.0

     for i in range(numTestVecs):

         #前numTestVecs个数据作为测试集,后m-numTestVecs个数据作为训练集

         classifierResult = classify0(normMat[i,:], normMat[numTestVecs:m,:],datingLabels[numTestVecs:m], 4)

         print("分类结果:%d\t真实类别:%d" % (classifierResult, datingLabels[i]))

         if classifierResult != datingLabels[i]:

             errorCount += 1.0

     print("错误率:%f%%" %(errorCount/float(numTestVecs)*100))

 '''

 #使用算法，构建完整可用系统

 '''

 def classifyPerson():

     #输出结果

     resultList = ['不喜欢','有些喜欢','非常喜欢']

     #三维特征用户输入

     ffMiles = float(input("每年获得的飞行常客里程数:"))

     precentTats = float(input("玩视频游戏所耗时间百分比:"))

     iceCream = float(input("每周消费的冰激淋公升数:"))

     #打开的文件名

     filename = "datingTestSet.txt"

     #打开并处理数 据

     datingDataMat, datingLabels = file2matrix(filename)

     #训练集归一化

     normMat, ranges, minVals = autoNorm(datingDataMat)

     #生成NumPy数组,测试集

     inArr = np.array([ffMiles,precentTats, iceCream])

     #测试集归一化

     norminArr = (inArr - minVals) / ranges

     #返回分类结果

     classifierResult = classify0(norminArr, normMat, datingLabels, 3)

     #打印结果

     print("你可能%s这个人" % (resultList[classifierResult-1]))

 '''

 #主函数，测试以上各个步骤，并输出各个步骤的结果

 '''

 if __name__ == '__main__':

     #打开的文件名

     filename = "datingTestSet.txt"

     #打开并处理数据

     datingDataMat, datingLabels = file2matrix(filename)

     #数据可视化

     showdatas(datingDataMat, datingLabels)

     #验证分类器

     datingClassTest()

     #使用分类器

     classifyPerson()