python数据预处理for knn

机器学习实战 一书中第20页数据预处理，从文本中解析数据的程序。

 1 import numpy as np
 2 def dataPreProcessing(fileName):
 3     with open(fileName) as op:
 4         lines=op.readlines()
 5         # 返回值是list
 6         lineNumer=len(lines)
 7         # list长度即文件中的行数
 8         dataMatrix=np.zeros((lineNumer,3))
 9         # 初始化lineNumer行，3列的全0矩阵，注意双层括号
10         labelVector=[]
11         # 标记向量初始化，它在目前是一个空的list
12         index=0
13         # 索引，为了后面给数据矩阵和标记向量初始化用的
14         for line in lines:
15             line=line.strip()
16             # 去空格
17             temp=line.split('\t')
18             # 按换行符分割数据，返回list
19             dataMatrix[index,:]=temp[0:3]
20             # 切片操作，dataMatrix[a,b:c]后的方括号中第一个值表示矩阵行号（从0开始）
21             # 第二、三个参数代表从b开始，c结束，前开后闭，包含b不包含c的元素
22             # temp中的两个参数同理
23             # 将temp中的前3个值赋给dataMatrix
24             labelVector.append(int(temp[-1]))
25             # 将temp中的最后一个值赋给labelVector，注意强转类型，不强转取到的类型为string
26             index=index+1
27         return dataMatrix,labelVector
28 # arr=np.array([[0,1,2],[3,4,5],[6,7,8]])
29 # print(arr[2,:])
30 fileName='./datingTestSet2.txt'
31 # “/”：表示根目录，在windows系统下表示某个盘的根目录，如“E:\”；
32 # “./”：表示当前目录；（表示当前目录时，也可以去掉“./”，直接写文件名或者下级目录）
33 # “../”：表示上级目录。
34 a,b=dataPreProcessing(fileName)
35 print(a,b)

View Code

 

附：今晚很郁闷，pycharm启动慢得要死，Numpy又用不了，好不容易才用清华镜像把numpy升级到可用状态，期间pycharm卡死了好几次，ukylin的虚拟机更卡，气得我想把电脑砸了，以后有替代的ide了再也不用pycharm了

转载于:https://www.cnblogs.com/flyingtester/p/10212074.html