#coding:utf-8

 import numpy as np

 import operator

 def classify(intX,dataSet,labels,k):

     '''

     KNN算法

     '''

     dataSetSize =dataSet.shape[0]

     ##numpy 中shape[0]返回数组的行数，shape[1]返回列数

     ##构建计算矩阵

     ##intX横向重复dataSetSize次，纵向重复1次

     ##例如intX=([1,2])--->([[1,2],[1,2],[1,2],[1,2]])便于后面计算

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

     ##将待分类样品复制dataSetSize份并与dataSet每个测试样一一对应

     ##计算待分类样品与已知样品的对应特征差值的平方

     sqdiffMat=diffMat**2

     ##计算待分类样品与每个已知样品的欧式距离

     seqDistance=sqdiffMat.sum(axis=1)  ##axis=1代表横轴（第1轴），0代表竖轴（第0轴）

     distance=seqDistance**0.5

     print "distance:",distance

     ##返回distance中元素从小到达排序后的索引

     sortDistance=distance.argsort()

     print "SortDistance:",sortDistance

     classCount={}

     for i in range(k):

         voteLabel=labels[sortDistance[i]]

         #print "第 %d 个 voteLabel = %s" %(i,voteLabel)

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

     ##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

     ##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)

     ##sortClassCount={[“动作片”，2],("爱情片",1])

     print "sortedClassCount:",sortedClassCount

     return sortedClassCount[0][0]

  def File2Matrix(filename):

     fr=open(filename,'r')

     FileLines=fr.readlines()

     ##获取数据的行数

     NumOfFLines=len(FileLines)

     ##建立数据返回矩阵

     returnMat=np.zeros([NumOfFLines,3])

     ##返回分类标签

     classLabelVector=[]

     ##行索引

     index=0

     for line in FileLines[1:]:

         line=line.strip()##删除收尾空白字符

         listFromLine =line.split("\t")

         ##每行数据是\t划分的，将每行数据按照\t进行切片划分

         returnMat[index,:]=listFromLine[1:4]

         ##根据文本划分为1，2,3类

         if listFromLine[-1]=="I. setosa":

             classLabelVector.append(1)

         elif listFromLine[-1]=="I. versicolor":

             classLabelVector.append(2)

         else:

             classLabelVector.append(3)

         index+=1

     fr.close()

     return returnMat,classLabelVector

 if __name__ =="__main__":

     datas,labels=File2Matrix("iris_data.txt")

     print datas[0:4]

     print labels[0:4]

     test = [5.9,3.0,5.1]

     test_class = myKNN.classify(test,datas,labels,5)

     if test_class=="":

         print "I. setosa"

     elif  test_class=="":

         print "I. virginica"

     else:

         print "I. versicolor"