呆板学习knnlearn2
# 导入必要的库import matplotlib.lines as mlines
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.font_manager import FontProperties
# 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
def file2matrix(filename):
try:
# 以只读模式打开指定文件
with open(filename, 'r') as fr:
# 读取文件的所有行，存储为一个列表，列表中的每个元素是文件的一行
arrayOLines = fr.readlines()
# 计算文件的行数
numberOfLines = len(arrayOLines)
# 创建一个全零的NumPy矩阵，行数为文件的行数，列数为3，用于存储解析后的数据
returnMat = np.zeros((numberOfLines, 3))
# 初始化一个空列表，用于存储分类标签
classLabelVector = []
# 初始化行索引为0，用于遍历文件的每一行
index = 0
# 遍历文件的每一行
for line in arrayOLines:
# 去除每行首尾的空白字符（如换行符、制表符、空格等）
line = line.strip()
# 使用制表符 '\t' 作为分隔符，将每行字符串分割成一个列表
listFromLine = line.split('\t')
# 将分割后列表的前三个元素赋值给 returnMat 矩阵的当前行，即存储特征数据
returnMat = listFromLine
# 根据分割后列表的最后一个元素进行分类
if listFromLine[-1] == 'didntLike':
# 如果最后一个元素是 'didntLike'，则将标签 1 添加到分类标签列表中，表示不喜欢
classLabelVector.append(1)
elif listFromLine[-1] == 'smallDoses':
# 如果最后一个元素是 'smallDoses'，则将标签 2 添加到分类标签列表中，表示魅力一般
classLabelVector.append(2)
elif listFromLine[-1] == 'largeDoses':
# 如果最后一个元素是 'largeDoses'，则将标签 3 添加到分类标签列表中，表示极具魅力
classLabelVector.append(3)
# 行索引加1，处理下一行
index += 1
# 返回特征矩阵和分类标签列表
return returnMat, classLabelVector
except FileNotFoundError:
# 如果文件未找到，打印错误信息
print(f"文件 {filename} 未找到，请检查文件路径。")
# 返回 None 表示读取失败
return None, None
except Exception as e:
# 如果发生其他异常，打印异常信息
print(f"读取文件时发生错误: {e}")
# 返回 None 表示读取失败
return None, None
# 函数说明:可视化数据
def showdatas(datingDataMat, datingLabels):
# 如果特征矩阵或分类标签列表为 None，说明文件读取失败，直接返回
if datingDataMat is None or datingLabels is None:
return
# 设置字体属性，使用宋体，字号为 14，用于显示中文
font = FontProperties(family='SimSun', size=14)
# 创建一个 2 行 2 列的子图布局，不共享 x 轴和 y 轴，画布大小为 13x8 英寸
fig, axs = plt.subplots(nrows=2, ncols=2, sharex=False, sharey=False, figsize=(13, 8))
# 获取分类标签的数量
numberOfLabels = len(datingLabels)
# 初始化一个空列表，用于存储每个数据点的颜色
LabelsColors = []
# 遍历分类标签列表
for i in datingLabels:
if i == 1:
# 如果标签为 1，将颜色 'black' 添加到颜色列表中，表示不喜欢的点用黑色表示
LabelsColors.append('black')
elif i == 2:
# 如果标签为 2，将颜色 'orange' 添加到颜色列表中，表示魅力一般的点用橙色表示
LabelsColors.append('orange')
elif i == 3:
# 如果标签为 3，将颜色 'red' 添加到颜色列表中，表示极具魅力的点用红色表示
LabelsColors.append('red')
# 定义一个内部函数，用于绘制散点图
def plot_scatter(ax, x_index, y_index, title, x_label, y_label):
# 在指定的子图上绘制散点图，x 轴数据为特征矩阵的第 x_index 列，y 轴数据为特征矩阵的第 y_index 列
# 每个点的颜色根据分类标签从 LabelsColors 列表中获取，点的大小为 15，透明度为 0.5
# ax 是一个 matplotlib 的 Axes 对象，代表一个子图。通过 ax.scatter 方法，可以在这个特定的子图上进行绘图操作。
# x=datingDataMat[:, x_index]
# datingDataMat 是一个 NumPy 数组，一般是从文件中读取并处理后得到的特征矩阵，每一行代表一个样本，每一列代表一个特征。
# datingDataMat[:, x_index] 运用了 NumPy 的切片操作，选取 datingDataMat 矩阵中所有行的第 x_index 列数据，这些数据将作为散点图中所有散点的横坐标。
# y=datingDataMat[:, y_index]
# 同理，datingDataMat[:, y_index] 选取 datingDataMat 矩阵中所有行的第 y_index 列数据，这些数据将作为散点图中所有散点的纵坐标。
# color=LabelsColors
# LabelsColors 是一个包含颜色信息的列表，其长度和 datingDataMat 的行数相同。
# 列表中的每个元素对应一个散点的颜色，也就是说，LabelsColors 中的第 i 个元素决定了 datingDataMat 中第 i 行样本所对应的散点的颜色。
# s=15
# s 参数用于设置散点的大小。这里将散点的大小设置为 15，单位通常是点（points）。
# alpha=.5
# alpha 参数用于设置散点的透明度。取值范围是 0 到 1，其中 0 表示完全透明，1 表示完全不透明。这里将散点的透明度设置为 0.5，意味着散点具有一定的半透明效果。
ax.scatter(x=datingDataMat[:, x_index], y=datingDataMat[:, y_index], color=LabelsColors, s=15, alpha=.5)
# 设置子图的标题，使用之前设置的字体属性
ax.set_title(title, fontproperties=font)
# 设置子图的 x 轴标签，使用之前设置的字体属性
ax.set_xlabel(x_label, fontproperties=font)
# 设置子图的 y 轴标签，使用之前设置的字体属性
ax.set_ylabel(y_label, fontproperties=font)
# 设置子图坐标轴刻度的字体大小为 7
ax.tick_params(axis='both', labelsize=7)
# 返回绘制好的子图
return ax
# 调用 plot_scatter 函数，绘制第一个子图，x 轴为每年获得的飞行常客里程数，y 轴为玩视频游戏所消耗时间占比
axs = plot_scatter(axs, 0, 1, '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',
'每年获得的飞行常客里程数', '玩视频游戏所消耗时间占')
# 调用 plot_scatter 函数，绘制第二个子图，x 轴为每年获得的飞行常客里程数，y 轴为每周消费的冰激淋公升数
axs = plot_scatter(axs, 0, 2, '每年获得的飞行常客里程数与每周消费的冰激淋公升数',
'每年获得的飞行常客里程数', '每周消费的冰激淋公升数')
# 调用 plot_scatter 函数，绘制第三个子图，x 轴为玩视频游戏所消耗时间占比，y 轴为每周消费的冰激淋公升数
axs = plot_scatter(axs, 1, 2, '玩视频游戏所消耗时间占比与每周消费的冰激淋公升数',
'玩视频游戏所消耗时间占比', '每周消费的冰激淋公升数')
# 创建一个 Line2D 对象，用于表示不喜欢的点的图例，颜色为黑色，标记为点，标记大小为 6
didntLike = mlines.Line2D([], [], color='black', marker='.',
markersize=6, label='didntLike')
# 创建一个 Line2D 对象，用于表示魅力一般的点的图例，颜色为橙色，标记为点，标记大小为 6
smallDoses = mlines.Line2D([], [], color='orange', marker='.',
markersize=6, label='smallDoses')
# 创建一个 Line2D 对象，用于表示极具魅力的点的图例，颜色为红色，标记为点，标记大小为 6
largeDoses = mlines.Line2D([], [], color='red', marker='.',
markersize=6, label='largeDoses')
# axs 是之前通过 plt.subplots 函数创建的子图数组。这里的 axs 是一个二维数组，因为使用 nrows=2, ncols=2 创建了一个 2x2 的子图布局。
# , axs, axs] 是一个包含三个子图对象的列表。axs 代表第一行第一列的子图，axs 代表第一行第二列的子图，
# axs 代表第二行第一列的子图。
# for ax in ... 这个循环会依次取出列表中的子图对象，并将其赋值给变量 ax。在每次循环中，ax 都会代表当前正在处理的子图。
# 遍历前三个子图
for ax in , axs, axs]:
# 在每个子图上添加图例，包含不喜欢、魅力一般和极具魅力三种情况的标记
# 2. ax.legend(handles=)
# ax.legend() 是 matplotlib 中用于在子图上添加图例的方法。
# handles 参数接收一个包含 Line2D 对象的列表。didntLike、smallDoses 和 largeDoses 是之前创建的 Line2D 对象，
# 分别代表不同类别的数据点（不喜欢、魅力一般、极具魅力）。
# 通过传入这个列表，legend 方法会在当前子图上添加一个图例，图例中会显示这三种情况的标记和对应的标签。
ax.legend(handles=)
# 隐藏第四个子图，因为只需要绘制三个子图
axs.axis('off')
# 自动调整子图的布局，使它们之间的间距和大小更加合理
plt.tight_layout()
# 显示绘制好的图形
plt.show()
if __name__ == '__main__':
# 定义要打开的文件名
filename = "datingTestSet.txt"
# 调用 file2matrix 函数，打开并处理文件，获取特征矩阵和分类标签列表
datingDataMat, datingLabels = file2matrix(filename)
# 调用 showdatas 函数，将特征矩阵和分类标签列表作为参数传入，进行数据可视化
showdatas(datingDataMat, datingLabels)
https://i-blog.csdnimg.cn/direct/9f86d728655d483189759088632542cf.png
代码是通过以下几个步骤来确定每个点的颜色的，下面为你详细解释：
1. 数据分类阶段
在 file2matrix 函数中，代码会读取文件里的数据，并且按照最后一列的文本描述对数据举行分类，把分类标签存到 classLabelVector 列表中。
def file2matrix(filename):
# ... 前面的代码省略 ...
for line in arrayOLines:
line = line.strip()
listFromLine = line.split('\t')
returnMat = listFromLine
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
这里，'didntLike' 对应标签 1，'smallDoses' 对应标签 2，'largeDoses' 对应标签 3。
2. 颜色映射阶段
在 showdatas 函数中，代码会依据 datingLabels（也就是 classLabelVector）里的分类标签，为每个数据点分配对应的颜色，把这些颜色存到 LabelsColors 列表中。
def showdatas(datingDataMat, datingLabels):
# ... 前面的代码省略 ...
LabelsColors = []
for i in datingLabels:
if i == 1:
LabelsColors.append('black')
elif i == 2:
LabelsColors.append('orange')
elif i == 3:
LabelsColors.append('red')
[*]要是分类标签是 1，就把颜色 'black' 添加到 LabelsColors 列表里。
[*]要是分类标签是 2，就把颜色 'orange' 添加到 LabelsColors 列表里。
[*]要是分类标签是 3，就把颜色 'red' 添加到 LabelsColors 列表里。
3. 绘制散点图阶段
在 showdatas 函数里界说的 plot_scatter 函数中，代码会用 LabelsColors 列表为每个数据点设置颜色。
def plot_scatter(ax, x_index, y_index, title, x_label, y_label):
ax.scatter(x=datingDataMat[:, x_index], y=datingDataMat[:, y_index], color=LabelsColors, s=15, alpha=.5)
# ... 后面的代码省略 ...
ax.scatter 方法的 color 参数接收 LabelsColors 列表，这个列表里的每个元素都和 datingDataMat 中的一行数据对应。也就是说，LabelsColors 列表里的第 i 个元素决定了 datingDataMat 中第 i 行数据对应的点的颜色。
总结
代码先对数据举行分类，为每个数据点赋予一个分类标签，接着依据这些标签把颜色映射到每个数据点上，最后在绘制散点图时，按照映射好的颜色来体现每个点。这样一来，就能确保每个点依据其分类标签体现为对应的颜色（黑色、橙色大概红色）。
import numpy as np
"""
Parameters:
filename - 文件名
Returns:
returnMat - 特征矩阵
classLabelVector - 分类Label向量
"""
# 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
def file2matrix(filename):
#打开文件
fr = open(filename)
#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 = listFromLine
#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
"""
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
"""
# 函数说明:对数据进行归一化
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
#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
if __name__ == '__main__':
#打开的文件名
filename = "datingTestSet.txt"
#打开并处理数据
datingDataMat, datingLabels = file2matrix(filename)
normDataSet, ranges, minVals = autoNorm(datingDataMat)
print(normDataSet)
print(ranges)
print(minVals)
[
...
]
233353]
…
]
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]