《机器学习实战》中的程序清单2-1 k近邻算法（kNN）classify0都做了什么

from numpy import *
import operator
import matplotlib
import matplotlib.pyplot as plt
from imp import *
#from os import *
import os

reload(operator)

def start():
    group,labels = createDataSet()
    testSample = [5,7]
    print("测试样本：" ,end="")
    print(testSample)

    return classify0(testSample, group, labels, 4)

def createDataSet():

    group = array([[1,2],[2,3],[1,1],[4,5]]) #此处随意定义，表示一个已知的已分类的数据集
    labels = ['A','A','B','B']

    #例如
    #group = array([[1,2],[2,3],[1,1],[4,5],[5,7],[6,6]]) #此处随意定义，表示一个已知的已分类的数据集
    #labels = ['A','A','B','B','C','C']

    return group, labels 

def classify0(inX, dataSet, labels, k):
    """
      inX 是输入的测试样本，是一个[x, y]样式的
      dataset 是训练样本集
      labels 是训练样本标签
      k 是top k最相近的
    """

    # 矩阵的shape是个tuple，如果直接调用dataSet.shape，会返回(4,2)，即
    # 返回矩阵的(行数，列数)，
    # 那么shape[0]获取数据集的行数，
    # 行数就是样本的数量
    # shape[1]返回数据集的列数
    dataSetSize = dataSet.shape[0]

    ###################说明代码########################
    #print("dataSet.shape[0]返回矩阵的行数：")
    #print(dataSetSize)
    #print("dataSet.shape[1]返回矩阵的列数：")
    #cols = dataSet.shape[1]
    #print(cols)
    #print(dataSet.shape)
    #print("dataSet.shape类型：")
    #print(type(dataSet.shape))
    ###################################################

    #此处Mat是Maxtrix的缩写，diffMat，即矩阵的差，结果也是矩阵
    #关于tile函数的说明，见http://www.cnblogs.com/Sabre/p/7976702.html
    #简单来说就是把inX（本例是[1,1]）在“行”这个维度上，复制了dataSetSize次(本例dataSetSize==4)，在“列”这个维度上，复制了1次
    #形成[[1,1],[1,1],[1,1],[1,1]]这样一个矩阵，以便与dataSet进行运算
    #之所以进行这样的运算，是因为要使用欧式距离公式求输入点与已存在各点的距离

    #这是第1步，求给出点[1,1]与已知4点的差，输出为矩阵
    diffMat = tile(inX,(dataSetSize,1)) - dataSet
    #print(tile(inX,(dataSetSize,1)))

    ###################说明代码########################
    #print("diffMat:" + str(diffMat))
    ###################################################

    #第2步，对矩阵进行平方，即，求差的平方
    sqDiffMat = diffMat ** 2

    ###################说明代码########################
    #print("sqDiffMat:" + str(sqDiffMat))
    #print("sqDiffMat",end="")
    #print(sqDiffMat[324])
    ###################################################

    #sum(axis=1)是将矩阵中每一行中的数值相加,如[[0 0] [1 1] [0 1] [9 9]]将得到[0,2,1,18]，得到平方和
    #sum(axis=0)是将矩阵中每一列中的数值相加
    #第3步，求和
    sqDistances = sqDiffMat.sum(axis=1)
    #print("sqDistances：", end="")
    #print(sqDistances[875])

    ###################说明代码########################
    #print("sqDistances:" + str(sqDistances))
    ###################################################

    #第4步，将平方和进行开方，得到距离，输出为数组
    distances = sqDistances ** 0.5

    ###################说明代码########################
    #print("未知点到各个已知点的距离:",distances)
    ###################################################

    #argsort()，将数组中的元素的索引放在由小到大的位置上由小到大排序
    #如数组a = array([ 0 4 3 18])，b = a.argsort()之后，得到b是[0 2 1 3]这是a的索引数组，最小的在最前面，位置0，第二小的是索引为2的元素，即3，3在数组中的位置是2
    #第三小的是索引为1的，即4，4在数组中的索引位置是2，第四小的是索引为3的，即18
    #这样保证了原数组元素的位置不变，以便进行标签的匹配
    #print(distances[875])
    #print(distances[324])
    #print(distances[392])
    sortedDistIndicies = distances.argsort()

    ###################说明代码########################
    #print("索引位置:", sortedDistIndicies) #可得到前k个索引
    ###################################################

    #创建空字典
    classCount = {} 

    #k值是取前k个样本进行比较
    for i in range(k):
        #返回distances中索引为sortedDistIndicies[i]的值
        #此例中分别为：
        #sortedDistIndicies[0]==0，则labels[0]=='A'，voteIlabel=='A'
        #sortedDistIndicies[1]==2，则labels[2]=='B'，voteIlabel=='B'
        #sortedDistIndicies[2]==1，则labels[0]=='A'，voteIlabel=='A'
        #sortedDistIndicies[3]==18，则labels[0]=='B'，voteIlabel=='B'

        voteIlabel = labels[sortedDistIndicies[i]]
        #print("中华人民共和国")
        ###################说明代码########################

        # print(voteIlabel)
        # print("标签" + str(i) + "：" + str(voteIlabel))
        ###################################################

        #dict.get(key, default=None)，对于键 key 返回其对应的值，或者若 dict 中不含 key 则返回 default（注意， default的默认值为 None，此处设置为0）
        #第一次调用classCount.get时，classCount内还没有值
        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1

        ###################说明代码########################
        # print("第"+str(i+1)+"次访问，classCount[" + str(voteIlabel) + "]值为:" + str(classCount[voteIlabel]))
        # print("classCount的内容为:")
        # print(classCount)
        ###################################################

    # sorted(iterable[,cmp,[,key[,reverse=True]]])
    # 作用：Return a new sorted list from the items in iterable.
    #           第一个参数是一个iterable，返回值是一个对iterable中元素进行排序后的列表(list)。
    # 可选的参数有三个，cmp、key和reverse。
    # 1)cmp指定一个定制的比较函数，这个函数接收两个参数（iterable的元素），如果第一个参数小于第二个参数，返回一个负数；如果第一个参数等于第二个参数，返回零；如果第一个参数大于第二个参数，返回一个正数。默认值为None。
    # 2)key指定一个接收一个参数的函数，这个函数用于从每个元素中提取一个用于比较的关键字。默认值为None。
    #   从python2.4开始，list.sort()和sorted()函数增加了key参数来指定一个函数，此函数将在每个元素比较前被调用
    #   key参数的值为一个函数，此函数只有一个参数且返回一个值用来进行比较。这个技术是快速的，因为key指定的函数将准确地对每个元素调用。
    #   key=operator.itemgetter(0)或key=operator.itemgetter(1)，决定以字典的键排序还是以字典的值排序
    #   0以键排序，1以值排序
    # 3)reverse是一个布尔值。如果设置为True，列表元素将被倒序排列。
    # operator.itemgetter(1)这个很难解释，用以下的例子一看就懂
    # a=[11,22,33]
    # b = operator.itemgetter(2)
    # b(a)
    # 输出：33
    # b = operator.itemgetter(2,0,1)
    # b(a)
    # 输出：(33,11,22)
    # operator.itemgetter函数返回的不是值，而是一个函数，通过该函数作用到对象上才能获取值
　　 # 在这里itemgetter(1)的作用是按照第二个元素的顺序对元组进行排序，也就是value的顺序，如果改成itemgetter(0)，则根据Key值排序

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

    #print(sortedClassCount)

    #返回正序排序后最小的值，即“k个最小相邻”的值决定测试样本的类别
    print("最终结果，测试样本类别：" , end="")
    print(sortedClassCount)
    return sortedClassCount[0][0] 

以下为输出结果，未必完全一致，请自行调试。

输出结果：

dataSet.shape[0]返回矩阵的行数：

dataSet.shape[1]返回矩阵的列数：

(4, 2)
dataSet.shape类型：
<class 'tuple'>
diffMat:[[ 2 1]
[ 1 0]
[ 2 2]
[-1 -2]]
sqDiffMat:[[4 1]
[1 0]
[4 4]
[1 4]]
sqDistances:[5 1 8 5]
未知点到各个已知点的距离: [ 2.23606798 1. 2.82842712 2.23606798]
索引位置: [1 0 3 2]
标签0：A
第1次访问，classCount[A]值为:1
classCount的内容为:
{'A': 1}
标签1：A
第2次访问，classCount[A]值为:2
classCount的内容为:
{'A': 2}
标签2：B
第3次访问，classCount[B]值为:1
classCount的内容为:
{'A': 2, 'B': 1}
标签3：B
第4次访问，classCount[B]值为:2
classCount的内容为:
{'A': 2, 'B': 2}
[('A', 2), ('B', 2)]
最终结果，测试样本类别：A
[Finished in 5.3s]