import numpy as np

"""

函数说明：打开并解析文件，对数据进行分类：1 代表不喜欢，2 代表魅力一般，3 代表极具魅力

Parameters:

    filename - 文件名

Returns:

    returnMat - 特征矩阵

    classLabelVector - 分类Label向量

"""

def file2matrix(filename):

    # 打开文件

    fr = open(filename)

    # 读取文件所有内容

    array0Lines = fr.readlines()

    # 得到文件行数

    number0fLines = len(array0Lines)

    # 返回一个NumPy矩阵，解析完成的数据：number0fLines行，3列

    returnMat = np.zeros((number0fLines, 3))

    # 返回的分类标签向量

    classLabelVector = []

    # 行的索引值

    index  = 0

    for line in array0Lines:

        # s.strip(rm), 当rm空时，默认删除空白符（包括'\n', '\r', '\t', ' '），去除的首部和尾部的空白符

        line = line.strip()

        # 使用s.strip(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] == "":

            classLabelVector.append(1)

        elif listFromLine[-1] == "":

            classLabelVector.append(2)

        elif listFromLine[-1] == "":

            classLabelVector.append(3)

        index += 1

    # 返回特征矩阵和标签向量

    return returnMat, classLabelVector

"""

函数说明:main函数

Parameters:

    无

Returns:

    无

"""

if __name__ == '__main__':

    # 打开的文件名

    filename = 'datingTestSet2.txt'

    # 打开并处理数据

    datingDataMat, datingLabels = file2matrix(filename)

    # 打印

    print(datingDataMat)

    print(datingLabels)

import matplotlib

import matplotlib.pyplot as plt

fig = plt.figure()

ax = fig.add_subplot(111)

ax.scatter(datingDataMat[:, 0], datingDataMat[:, 1], 15.0*np.array(datingLabels), 15.0*np.array(datingLabels))

plt.show()

import numpy as np

"""

函数说明:对数据进行归一化

Parameters:

    dataSet - 特征矩阵

Returns:

    normDataSet - 归一化后的特征矩阵

    ranges - 数据范围

    minVals - 数据最小值

"""

def autoNorm(dataSet):

    # 获得数据的最小值

    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

if __name__ == '__main__':

    normDataSet, ranges, minVals = autoNorm(datingDataMat)

    print(normDataSet)

    print(ranges)

    print(minVals)

import numpy as np

import operator

"""

函数说明:kNN算法,分类器

Parameters:

    inX - 用于分类的数据(测试集)

    dataSet - 用于训练的数据(训练集)

    labes - 分类标签

    k - kNN算法参数,选择距离最小的k个点

Returns:

    sortedClassCount[0][0] - 分类结果

"""

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

    # 获取dataSet(训练集)的行数，即有多少个样本

    dataSetSize = dataSet.shape[0]

    # 将inX纵向重复dataSetSize次，横向重复1次，得到的diffMat矩阵规格与dataSet一致

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

    # 二维特征相减之后求平方。（注：参考求两点间的距离公式）

    sqDiffMat = diffMat ** 2

    # 接下俩进行求和，将sqDiffMat[0] + sqDiffMat[1]，可以使用sum(axis = 1)来完成

    sqDistance = sqDiffMat.sum(axis = 1)

    # 开方，计算出距离

    distances = sqDistance ** 0.5

    # 返回distance中元素从小到大排序后的索引值

    sortedDistIndices = distances.argsort()

    # 定义一个记录类别次数的字典

    classCount = {}

    for i in range(k):

        # 首先取出前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

    # Python 字典 items() 方法以列表返回可遍历的(键, 值) 元组数组

    # 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]

"""

函数说明:分类器测试函数

Parameters:

    无

Returns:

    normDataSet - 归一化后的特征矩阵

    ranges - 数据范围

    minVals - 数据最小值

"""

def datingClassTest():

    # 打开的文件名

    filename = 'datingTestSet2.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做为测试集

    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个数作为测试集，后m - numTestVecs个数作为训练集

        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))

if __name__ == '__main__':

    datingClassTest()

"""

函数说明:通过输入一个人的三维特征,进行分类输出

Parameters:

    无

Returns:

    无

"""

def classifyPerson():

    # 输出结果

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

    # 三维特征用户输入

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

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

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

    # 打开的文件名

    filename = 'datingTestSet2.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]))

if __name__ == "__main__":

    classifyPerson()