呆板学习knnlearn2

1. # 导入必要的库
2. import matplotlib.lines as mlines
3. import matplotlib.pyplot as plt
4. import numpy as np
5. from matplotlib.font_manager import FontProperties
8. # 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
9. def file2matrix(filename):
10.     try:
11.         # 以只读模式打开指定文件
12.         with open(filename, 'r') as fr:
13.             # 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
14.             arrayOLines = fr.readlines()
15.             # 计算文件的行数
16.             numberOfLines = len(arrayOLines)
17.             # 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
18.             returnMat = np.zeros((numberOfLines, 3))
19.             # 初始化一个空列表，用于存储分类标签
20.             classLabelVector = []
21.             # 初始化行索引为0，用于遍历文件的每一行
22.             index = 0
23.             # 遍历文件的每一行
24.             for line in arrayOLines:
25.                 # 去除每行首尾的空白字符（如换行符、制表符、空格等）
26.                 line = line.strip()
27.                 # 使用制表符 '\t' 作为分隔符，将每行字符串分割成一个列表
28.                 listFromLine = line.split('\t')
29.                 # 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
30.                 returnMat[index, :] = listFromLine[0:3]
31.                 # 根据分割后列表的最后一个元素进行分类
32.                 if listFromLine[-1] == 'didntLike':
33.                     # 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
34.                     classLabelVector.append(1)
35.                 elif listFromLine[-1] == 'smallDoses':
36.                     # 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
37.                     classLabelVector.append(2)
38.                 elif listFromLine[-1] == 'largeDoses':
39.                     # 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
40.                     classLabelVector.append(3)
41.                 # 行索引加1，处理下一行
42.                 index += 1
43.         # 返回特征矩阵和分类标签列表
44.         return returnMat, classLabelVector
45.     except FileNotFoundError:
46.         # 如果文件未找到，打印错误信息
47.         print(f"文件 {filename} 未找到，请检查文件路径。")
48.         # 返回 None 表示读取失败
49.         return None, None
50.     except Exception as e:
51.         # 如果发生其他异常，打印异常信息
52.         print(f"读取文件时发生错误: {e}")
53.         # 返回 None 表示读取失败
54.         return None, None
57. # 函数说明:可视化数据
58. def showdatas(datingDataMat, datingLabels):
59.     # 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
60.     if datingDataMat is None or datingLabels is None:
61.         return
62.     # 设置字体属性，使用宋体，字号为 14，用于显示中文
63.     font = FontProperties(family='SimSun', size=14)
64.     # 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
65.     fig, axs = plt.subplots(nrows=2, ncols=2, sharex=False, sharey=False, figsize=(13, 8))
66.     # 获取分类标签的数量
67.     numberOfLabels = len(datingLabels)
68.     # 初始化一个空列表，用于存储每个数据点的颜色
69.     LabelsColors = []
70.     # 遍历分类标签列表
71.     for i in datingLabels:
72.         if i == 1:
73.             # 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
74.             LabelsColors.append('black')
75.         elif i == 2:
76.             # 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
77.             LabelsColors.append('orange')
78.         elif i == 3:
79.             # 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
80.             LabelsColors.append('red')
82.     # 定义一个内部函数，用于绘制散点图
83.     def plot_scatter(ax, x_index, y_index, title, x_label, y_label):
84.         # 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
85.         # 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
88.         # 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。
91.         # x=datingDataMat[:, x_index]
92.         # 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。
93.         # 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。
95.         # y=datingDataMat[:, y_index]
96.         # 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。
99.         # color=LabelsColors
100.         # LabelsColors 是一个包含颜色信息的列表，其长度和 datingDataMat 的行数相同。
101.         # 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。
104.         # s=15
105.         # 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）。
108.         # alpha=.5
109.         # 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。
112.         ax.scatter(x=datingDataMat[:, x_index], y=datingDataMat[:, y_index], color=LabelsColors, s=15, alpha=.5)
113.         # 设置子图的标题，使用之前设置的字体属性
114.         ax.set_title(title, fontproperties=font)
115.         # 设置子图的 x 轴标签，使用之前设置的字体属性
116.         ax.set_xlabel(x_label, fontproperties=font)
117.         # 设置子图的 y 轴标签，使用之前设置的字体属性
118.         ax.set_ylabel(y_label, fontproperties=font)
119.         # 设置子图坐标轴刻度的字体大小为 7
120.         ax.tick_params(axis='both', labelsize=7)
121.         # 返回绘制好的子图
122.         return ax
124.     # 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
125.     axs[0][0] = plot_scatter(axs[0][0], 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',
126.                              '每年获得的飞行常客里程数', '玩视频游戏所消耗时间占')
127.     # 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
128.     axs[0][1] = plot_scatter(axs[0][1], 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',
129.                              '每年获得的飞行常客里程数', '每周消费的冰激淋公升数')
130.     # 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
131.     axs[1][0] = plot_scatter(axs[1][0], 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',
132.                              '玩视频游戏所消耗时间占比', '每周消费的冰激淋公升数')
134.     # 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
135.     didntLike = mlines.Line2D([], [], color='black', marker='.',
136.                               markersize=6, label='didntLike')
137.     # 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
138.     smallDoses = mlines.Line2D([], [], color='orange', marker='.',
139.                                markersize=6, label='smallDoses')
140.     # 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
141.     largeDoses = mlines.Line2D([], [], color='red', marker='.',
142.                                markersize=6, label='largeDoses')
146. # 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。
147. # [axs[0][0], axs[0][1], axs[1][0]] 是一个包含三个子图对象的列表。axs[0][0] 代表第一行第一列的子图，axs[0][1] 代表第一行第二列的子图，
148. # axs[1][0] 代表第二行第一列的子图。
149. # 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。
150.     # 遍历前三个子图
151.     for ax in [axs[0][0], axs[0][1], axs[1][0]]:
152.         # 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
153.         # 2. ax.legend(handles=[didntLike, smallDoses, largeDoses])
154.         # ax.legend() 是 matplotlib 中用于在子图上添加图例的方法。
155.         # 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，
156.         # 分别代表不同类别的数据点（不喜欢、魅力一般、极具魅力）。
157.         # 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。
158.         ax.legend(handles=[didntLike, smallDoses, largeDoses])
160.     # 隐藏第四个子图，因为只需要绘制三个子图
161.     axs[1][1].axis('off')
163.     # 自动调整子图的布局，使它们之间的间距和大小更加合理
164.     plt.tight_layout()
165.     # 显示绘制好的图形
166.     plt.show()
169. if __name__ == '__main__':
170.     # 定义要打开的文件名
171.     filename = "datingTestSet.txt"
172.     # 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
173.     datingDataMat, datingLabels = file2matrix(filename)
174.     # 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
175.     showdatas(datingDataMat, datingLabels)
176.    

复制代码

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。

1. def file2matrix(filename):
2.     # ... 前面的代码省略 ...
3.     for line in arrayOLines:
4.         line = line.strip()
5.         listFromLine = line.split('\t')
6.         returnMat[index, :] = listFromLine[0:3]
7.         if listFromLine[-1] == 'didntLike':
8.             classLabelVector.append(1)
9.         elif listFromLine[-1] == 'smallDoses':
10.             classLabelVector.append(2)
11.         elif listFromLine[-1] == 'largeDoses':
12.             classLabelVector.append(3)
13.         index += 1
14.     return returnMat, classLabelVector

复制代码

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。

1. def showdatas(datingDataMat, datingLabels):
2.     # ... 前面的代码省略 ...
3.     LabelsColors = []
4.     for i in datingLabels:
5.         if i == 1:
6.             LabelsColors.append('black')
7.         elif i == 2:
8.             LabelsColors.append('orange')
9.         elif i == 3:
10.             LabelsColors.append('red')

复制代码

• 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。

1. def plot_scatter(ax, x_index, y_index, title, x_label, y_label):
2.     ax.scatter(x=datingDataMat[:, x_index], y=datingDataMat[:, y_index], color=LabelsColors, s=15, alpha=.5)
3.     # ... 后面的代码省略 ...

复制代码

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）。

1. import numpy as np
3. """
4. Parameters:
5.     filename - 文件名
6. Returns:
7.     returnMat - 特征矩阵
8.     classLabelVector - 分类Label向量
9. """
10. # 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
11. def file2matrix(filename):
12.     #打开文件
13.     fr = open(filename)
14.     #读取文件所有内容
15.     arrayOLines = fr.readlines()
16.     #得到文件行数
17.     numberOfLines = len(arrayOLines)
18.     #返回的NumPy矩阵,解析完成的数据:numberOfLines行,3列
19.     returnMat = np.zeros((numberOfLines,3))
20.     #返回的分类标签向量
21.     classLabelVector = []
22.     #行的索引值
23.     index = 0
24.     for line in arrayOLines:
25.         #s.strip(rm)，当rm空时,默认删除空白符(包括'\n','\r','\t',' ')
26.         line = line.strip()
27.         #使用s.split(str="",num=string,cout(str))将字符串根据'\t'分隔符进行切片。
28.         listFromLine = line.split('\t')
29.         #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
30.         returnMat[index,:] = listFromLine[0:3]
31.         #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
32.         if listFromLine[-1] == 'didntLike':
33.             classLabelVector.append(1)
34.         elif listFromLine[-1] == 'smallDoses':
35.             classLabelVector.append(2)
36.         elif listFromLine[-1] == 'largeDoses':
37.             classLabelVector.append(3)
38.         index += 1
39.     return returnMat, classLabelVector
41. """
42. Parameters:
43.     dataSet - 特征矩阵
44. Returns:
45.     normDataSet - 归一化后的特征矩阵
46.     ranges - 数据范围
47.     minVals - 数据最小值
48. """
49. # 函数说明:对数据进行归一化
50. def autoNorm(dataSet):
51.     #获得数据的最小值
52.     minVals = dataSet.min(0)
53.     maxVals = dataSet.max(0)
54.     #最大值和最小值的范围
55.     ranges = maxVals - minVals
56.     #shape(dataSet)返回dataSet的矩阵行列数
57.     normDataSet = np.zeros(np.shape(dataSet))
58.     #返回dataSet的行数
59.     m = dataSet.shape[0]
60.     #原始值减去最小值
61.     normDataSet = dataSet - np.tile(minVals, (m, 1))
62.     #除以最大和最小值的差,得到归一化数据
63.     normDataSet = normDataSet / np.tile(ranges, (m, 1))
64.     #返回归一化数据结果,数据范围,最小值
65.     return normDataSet, ranges, minVals
68. if __name__ == '__main__':
69.     #打开的文件名
70.     filename = "datingTestSet.txt"
71.     #打开并处理数据
72.     datingDataMat, datingLabels = file2matrix(filename)
73.     normDataSet, ranges, minVals = autoNorm(datingDataMat)
74.     print(normDataSet)
75.     print(ranges)
76.     print(minVals)

复制代码

1. [[0.44832535 0.39805139 0.56233353]
2. [0.15873259 0.34195467 0.98724416]
3. [0.28542943 0.06892523 0.47449629]
4. ...
5. [0.29115949 0.50910294 0.51079493]
6. [0.52711097 0.43665451 0.4290048 ]
7. [0.47940793 0.3768091  0.78571804]]
8. [9.1273000e+04 2.0919349e+01 1.6943610e+00]
9. [0.       0.       0.001156]

复制代码

1. [/code] 233353]
2. [0.15873259 0.34195467 0.98724416]
3. [0.28542943 0.06892523 0.47449629]
4. …
5. [0.29115949 0.50910294 0.51079493]
6. [0.52711097 0.43665451 0.4290048 ]
7. [0.47940793 0.3768091 0.78571804]]
8. [9.1273000e+04 2.0919349e+01 1.6943610e+00]
9. [0. 0. 0.001156]
10. [code]

复制代码

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。