from numpy import *
import operator

def createDataSet():
         group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
         labels = ['A','A','B','B']
         return group,labels
def classify0(inX,dataSet,labels,k):
         dataSetSize = dataSet.shape[0]
         diffMat = tile(inX(dataSetSize,1)) - dataSet       //將inX複製為4
 
行，使inX成為與dataSet
             //一樣的4行一列矩陣，並減去dataSet,形
             //成(Xa-Xb),(Ya-Yb)的形式
         //平方(Xa-Xb),(Ya-Yb)
         sqDiffMat = diffMat**2   
         //(Xa-Xb)^2+(Ya-Yb)^2,axis=1為矩陣元素在列方向上相加
         sqDistances = sqDiffMat.sum(axis=1)
         //對上一步結果開平方，得到歐氏距離
         distances = sqDistances**0.5
 

         //對元素從小到大排序，該方法返回的是元素的下角標
         sortedDistIndicies = distances.argsort()
         //定義空字典
         classCount = {}
         //在前k個元素內操作
         for i in range(k):
                  //取每個元素對應的類別
                  voteIlabel = labels[sortedDistIndicies[i]]
                  //字典中每個item為[key:value]形式，統計key出現的次數，即value的值，每出現一次value+1
 

                  classCount[voteIlabel] = classCount.get(voteIlabel,0)+1
         //將字典中的item按第二個元素的大小對元組進行排序，此處為從大到小
         sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
         //取最大值即為程式認為最可能正確的分類結果
         return sortedClassCount[0][0]