執行平臺： Windows
Python版本： Python3
IDE： Anaconda3

# -*- coding: utf-8 -*-
"""
Created on Sun Apr 29 20:32:03 2018

@author: WangDan

使用k-近鄰演算法改進約會網站的配對效果
"""

import numpy as np
import operator
import matplotlib.pyplot as plt

#準備資料1：從文字檔案中解析資料
def file2matrix(filename):
    #開啟檔案
    fr = open(filename)
    #讀取檔案所有內容，獲得行數
 

    arrayOLines = fr.readlines()
    numberOfLines = len(arrayOLines)
    #準備一個本函式最終要返回的資料解析完成的矩陣，numberOfLines行3列
    returnMat = np.zeros((numberOfLines,3))
    #準備一個本函式最終要返回的分類標籤列表
    classLabelVector = [] 
    #行的索引值初始化為0
    index = 0

    for line in arrayOLines:
        #s.strip([chars])，當[chars]為空時,預設刪除空白符(包括'\n','\r','\t',' ')
 

        #否則移除字串頭尾指定的字元
        line = line.strip()
        #使用str.split(str="", num=string.count(str))將字串進行切片
        #str -- 分隔符，預設為所有的空字元，包括空格、換行(\n)、製表符(\t)等
        #num -- 分割次數
        listFromLine = line.split('\t')
        #將第line行分割出來的列表前3列存入特徵矩陣returnMat
        returnMat[index,:] = listFromLine[0
 
:3]
        #將txt檔案中分類標籤轉化為整數形式,1為不喜歡,2為魅力一般,3為極具魅力
        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

#資料視覺化，繪製散點圖
def showdatas(datingDataMat, datingLabels):
    #建立畫布,設定大小
    fig = plt.figure(figsize=(8,5))
    ax = fig.add_subplot(311)
    #spyder預設使用自帶的字型，無法使用系統的其他字型，而自帶字型庫中預設中文字型
    #加入下面兩行語句可以解決散點圖中不能輸出中文的問題
    plt.rcParams["font.sans-serif"] = ["Microsoft YaHei"]  
    plt.rcParams['axes.unicode_minus'] = False 
    #u表示unicode string，表示使用unicode進行編碼，沒有u表示byte string,型別是str
#    ax.set_title(u'每年獲得的飛行常客里程數與玩視訊遊戲所消耗時間佔比')  
    ax.scatter(datingDataMat[:,0], datingDataMat[:,1], 
               3.0*np.array(datingLabels), 3.0*np.array(datingLabels))

    bx = fig.add_subplot(312)
    bx.scatter(datingDataMat[:,0], datingDataMat[:,2], 
               3.0*np.array(datingLabels), 3.0*np.array(datingLabels))

    cx = fig.add_subplot(313)
    cx.scatter(datingDataMat[:,1], datingDataMat[:,2], 
               3.0*np.array(datingLabels), 3.0*np.array(datingLabels))

#準備資料2：歸一化特徵值
#有些資料數值大，有些數值小，導致在求歐式距離時，數值大的資料對結果影響大
#為了使所有特徵同等重要，所以要對資料進行歸一化處理
def autoNorm(dataSet):
    #min(0)表示取出每一列的最小值
    #min(1)表示取出每一行的最小值
    #minVals和maxVals均為1*3的一維陣列
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    ranges = maxVals - minVals
    #shape(np.array([[2,2,2],[3,3,3]]))-->(2, 3)
    #zeros(5)-->array([0., 0., 0., 0., 0.])
    #zeros([2,3])-->array([[0., 0., 0.], [0., 0., 0.]]),注意使用列表作為引數
    normDataSet = np.zeros(np.shape(dataSet))
    #當shape=0為陣列行數，shape=1為陣列列數
    m = dataSet.shape[0]
    #矩陣資料操作：原始資料減去最小值的差除以最大值與最小值之間的差，得到歸一化結果
    #tile([1,2], (3,1))-->array([[1, 2], [1, 2], [1, 2]]),形成3*2的矩陣
    normDataSet = dataSet - np.tile(minVals, (m,1))#m*3的矩陣
    #矩陣每個數對應相除
    normDataSet = normDataSet/np.tile(ranges, (m,1))
    return normDataSet, ranges, minVals

#k-近鄰演算法實施
def classify0(inX, dataSet, labels, k):
    #shape[0]為陣列行數，shape[1]為陣列列數
    dataSetSize = dataSet.shape[0] 
    #inX點與dataSet每個特徵值對應相減
    diffMat = np.tile(inX, (dataSetSize, 1)) - dataSet 
    sqdiffMat = diffMat ** 2
    #如c=np.array([[0,2,1], [3,5,6], [0,1,1]])
    #c.sum()-->19所有元素相加
    #c.sum(axis=0)-->array([3, 8, 8])每一列相加
    #c.sum(axis=1)-->array([ 3, 14,  2])每一行相加
    sqDistances = sqdiffMat.sum(axis=1) 
    #開方後得到inX到dataSet每個點之間的歐氏距離
    distances = sqDistances ** 0.5
    #返回陣列值從小到大的索引值，注意是索引值
    sortedDistIndicies = distances.argsort() 
    #定義一個字典，用來存放類別次數
    classCount = {}
    for i in range(k):
        #取出歐氏距離最小的前k個值的標籤
        voteIlabel = labels[sortedDistIndicies[i]]
        #dict.get(key,default=None),字典的get()方法,返回指定鍵voteIlabel的值,
        #如果值不在字典中返回預設值0，鍵為voteIlabel
        #從而計算出每個標籤在前k個值中出現的次數
        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
    #python3中用items()替換python2中的iteritems()
    #key=operator.itemgetter(1)根據字典的值進行排序
    #key=operator.itemgetter(0)根據字典的鍵進行排序
    #reverse=True降序排序字典
    sortedClassCount = sorted(classCount.items(), 
                              key = operator.itemgetter(1), reverse=True)
    #返回出現次數最多的標籤，也就是inX最大可能對應的標籤
    return sortedClassCount[0][0]

#測試演算法
def datingClassTest(datingLabels, normMat):
    #通常隨機選擇提供資料的10%作為測試資料,另外90%作為訓練樣本
    hoRatio = 0.10
    #shape[0]為陣列行數，shape[1]為陣列列數
    m = normMat.shape[0]
    numTestVecs = int(m*hoRatio)
    errorCount = 0.0
    #k-近鄰演算法實施
    for i in range(numTestVecs):
        classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)
        print('the classifier came back with: %d, the real answer is: %d' % (classifierResult, datingLabels[i]))
        if (classifierResult != datingLabels[i]): errorCount += 1.0
    print('\n錯誤率為: %f\n' % (errorCount/float(numTestVecs)))
    print('錯誤個數為:%d, 總共樣本數為:%d' % (errorCount, numTestVecs))

def classfyPerson(datingLabels):
    resultList = ['不喜歡', '有點喜歡', '非常喜歡']
    #輸入各項資料
    percentTats = float(input('玩視訊遊戲所耗時間百分比:'))
    ffMiles = float(input('每年獲得的飛行常客里程數:'))
    iceCream = float(input('每週消費的冰激淋公升數:'))
    normMat, ranges, minVals = autoNorm(datingDataMat)
    inArr = np.array([ffMiles, percentTats, iceCream])
    normInArr = (inArr - minVals) / ranges
    classifierResult = classify0(normInArr, normDataSet, datingLabels, 3)
    print('\n你可能%sTa！' % resultList[classifierResult-1])

if __name__ == '__main__':
    #準備資料：從文字檔案中解析資料
    datingDataMat, datingLabels = file2matrix('datingTestSet.txt')
    #分析資料：使用Matplotlib建立散點圖
    showdatas(datingDataMat, datingLabels)
    #準備資料：歸一化特徵值
    normDataSet, ranges, minVals = autoNorm(datingDataMat)
    #測試演算法：
    datingClassTest(datingLabels, normDataSet)
    #使用演算法
    classfyPerson(datingLabels) 

部分執行結果截圖：