1。總體概要

kNN演算法已經在上一篇部落格中說明。對於要處理手寫體數字，需要處理的點主要包括：
（1）圖片的預處理：將png，jpg等格式的圖片轉換成文字資料，本部落格的思想是，利用圖片的rgb16進位制編碼（255，255，255）為白色，（0，0，0）為黑色，獲取圖片大小後，逐個畫素進行判斷分析，當此畫素為空白時，在文字資料中使用0來替換，反之使用1來替換。

from PIL import Image
'''將圖片轉換成文件，使用0，1分別替代空白和數字'''
pic = Image.open('/Users/wangxingfan/Desktop/1.png')
path = open('/Users/wangxingfan/Desktop/1.txt'
 
,'a')
width = pic.size[0]
height = pic.size[1]
for i in range(0,width):
    for j in range(0,height):
        c_RGB = pic.getpixel((i,j))#獲取該畫素所對應的RGB值
        if c_RGB[0]+c_RGB[1]+c_RGB[2]>0:#白色
            path.write('0')
        elif c_RGB[0]+c_RGB[1]+c_RGB[2]==0:#黑色
            path.write('1')
        else
 
:
            pass
    path.write('\n')
path.close()

（2）訓練集的構建。首先想到的是將（1）中圖片處理後的文字資料構建成list形式，所以訓練集將是二維陣列，形如[[1,0,1,1,0,,,,,0,1],[0,1,1,1,10,,,,],[0,0,1,0,,,],,,,,]所以我們構建函式處理訓練集資料。

2。程式碼

簡單的總結這個演算法，就是將測試資料向量化，逐個和同樣向量化的訓練資料進行kNN運算，求的最短距離出現最多的分類就是我們要的分類。建立訓練集的過程就是將檔案資料向量化的過程。

#！／user/bin/env python
#-*- coding:utf-8 -*-
 

from os import listdir#獲取檔案目錄下所有檔案
'''
from PIL import Image
#將圖片轉換成文件，使用0，1分別替代空白和數字
pic = Image.open('/Users/wangxingfan/Desktop/1.png')
path = open('/Users/wangxingfan/Desktop/1.txt','a')
width = pic.size[0]
height = pic.size[1]
for i in range(0,width):
    for j in range(0,height):
        c_RGB = pic.getpixel((i,j))#獲取該畫素所對應的RGB值
        if c_RGB[0]+c_RGB[1]+c_RGB[2]>0:#白色
            path.write('0')
        elif c_RGB[0]+c_RGB[1]+c_RGB[2]==0:#黑色
            path.write('1')
        else:
            pass
    path.write('\n')
path.close()
'''
import numpy as np
import operator as opt

def kNN(dataSet, labels, testData, k):
    '''首先明確列表不能想加減，dataSet是陣列形式，而對於下面的test函式，testData只是一列，相當於列表，所以在進行加減時，需要將其轉換為陣列，我們使用np下的tile函式來實現'''
    testDatasize = dataSet.shape[0]#獲取dataSet的總行數
    dataSet = dataSet.astype('float64')#不進行轉換則報錯
    testData1 = np.tile(testData,(testDatasize,1))#使用tile函式返回多個重複構成的陣列
    testData1 = testData1.astype('float64')
    distSquareMat = (dataSet - testData1) ** 2 # 計算差值的平方
    distSquareSums = distSquareMat.sum(axis=1) # 求每一行的差值平方和，axis=0則按列計算
    distances = distSquareSums ** 0.5 # 開根號，得出每個樣本到測試點的距離
    sortedIndices = distances.argsort() # 排序，得到排序後的下標
    indices = sortedIndices[:k] # 取最小的k個
    labelCount = {} # 儲存每個label的出現次數，出現次數最多的就是我們要選擇的類別
    for i in indices:
        label = labels[i]
        labelCount[label] = labelCount.get(label, 0) + 1 # 次數加一，使用字典的get方法，第一次出現時預設值是0
    sortedCount = sorted(labelCount.items(), key=opt.itemgetter(1), reverse=True) # 對label出現的次數從大到小進行排序
    return sortedCount[0][0] # 返回出現次數最大的label

#定義函式讀取某個檔案，返回該檔案組成的陣列
def file_data(fname):
    arr = []
    path = open(fname)
    for i in range(0,32):
        line = path.readline()
        for j in range(0,32):
            arr.append(line[j])
    return arr

#建立訓練資料集
def train_data():
    lables = []
    file_list = listdir('/學習/視訊課程/原始碼/第7周/testandtraindata/traindata/')
    trainarr = np.zeros((len(file_list),1024))
    for i in range(0,len(file_list)):
        file = '/學習/視訊課程/原始碼/第7周/testandtraindata/traindata/'+file_list[i]
        lables.append(file_list[i].split('_')[0])#獲取對應的檔案類別
        trainarr[i,:] = file_data(file)#取所有列的第一個資料
    return trainarr,lables

#測試函式
def test():
    j = 0
    k = 0
    trainarr,lables = train_data()
    testdata_list = listdir('/學習/視訊課程/原始碼/第7周/testandtraindata/testdata/')
    for i in range(0,len(testdata_list)):#逐個去測試
        testfile = '/學習/視訊課程/原始碼/第7周/testandtraindata/testdata/'+testdata_list[i]
        testdata1 = file_data(testfile)
        result = kNN(trainarr,lables,testdata1,k=3)
        print(result+',real_number:'+testdata_list[i].split('_')[0])
        if result == testdata_list[i].split('_')[0]:
            j +=1
        else:
            k +=1

    print('辨識成功率：'+j/(k+j))

test()

輸出結果為：

3。幾個知識點程式碼說明

（1）numpy.tile

p = np.array([0,0,0])
np.tile(p,(3,1))#表示columns方向重複三次，index方向不變
Out[12]: 
array([[0, 0, 0],
       [0, 0, 0],
       [0, 0, 0]])
np.tile(p,(1,3))#表示index方向重複三次，行還是一行
Out[13]: array([[0, 0, 0, 0, 0, 0, 0, 0, 0]])

（2）array[1,:]表示取所有列的第【索引1】個數據（也就是第二行資料）

a = np.array([[1,1,1],[2,2,2],[3,3,3],[4,4,4]])
a[1,:]
Out[21]: array([2, 2, 2])
a[:,1]#所有行的第二列資料
Out[22]: array([1, 2, 3, 4])

（3）list並不能進行加減計算，需要使用numpy將資料轉換為陣列形式，且在使用例如：arr1+arr2時，需要兩個陣列的維度相同，在某個緯度上的資料長度也相同。
（4）使用os模組下的listdir，可以顯示所有該資料夾下的檔案，以列表的形式返回。