这里假设 类标签为largeDoses, smallDoses, didntLike三类,假设训练样本有三个特征属性,类标签放在数据集的最后一列
import numpy as np
def file2matrix(filename): # filename是文件保存地址
love_dictionary = {'largeDoses':3, 'smallDoses':2, 'didntLike':1}
fr = open(filename)
arrayOLines = fr.readlines()
numberOfLines = len(arrayOLines) # 获得文件的行数
returnMat = np.zeros((numberOfLines, 3)) # 用于存放训练数据
classLabelVector = [] # 用于存放类标签
index = 0
for line in arrayOLines:
line = line.strip() # 截取掉所有的回车字符
listFromLine = line.split()
returnMat[index, :] = listFromLine[0:3] # 存放训练样本
if(listFromLine[-1].isdigit()): # 如果标签字符串是数字,用int()函数转换为数字类型
classLabelVector.append(int(listFromLine[-1]))
else: # 如果标签字符串不是数字,利用字典转换为数字类型
classLabelVector.append(love_dictionary.get(listFromLine[-1]))
index += 1
return returnMat, classLabelVector
isdigit()判断一个字符串是否为数字
b = ['a', '2a', '2']
print(b[0].isdigit())
print(b[1].isdigit())
print(b[2].isdigit())
False
False
True