基本注释
import numpy as np
import operator
def classify(inX,dataSet,labels,k):#inX为输入向量,dataSet为训练样本集,labels为标记向量,
dataSetSize=np.shape(dataSet)[0]#返回训练样本个数
diffMat=np.tile(inX,(dataSetSize,1))-dataSet#返回输入向量与训练样本的标量的减法
sqDiffMat=diffMat**2#平方,要修改这一块地方
sqDistance=sqDiffMat.sum(axis=1)#对矩阵行累计求和(平方累计求和),结果是一行n列的列表
distances=sqDistance**0.5#开根号,求欧式距离
sortedDistIndicies= np.argsort(distances)#对距离的索引从小到大进行排序
classCount={}#创建空白字典,用于存储不同标签出现的次数
for i in range(k):
voteIlabel=labels[sortedDistIndicies[i]]#依据欧式距离从小到大对标记进行排序,取前k个
classCount[voteIlabel]=classCount.get(voteIlabel,0)+1#整合不同标签出现的次数http://www.cnblogs.com/EvilAnne/p/9740111.html
sortedClassCount=sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)#按照字典的值对它进行从大到小的排序
return sortedClassCount[0][0]#返回最终分类结果
标记统计
list0=['a','a','c','b','c','a']
map0={}
for i in range(6):
map_key=list0[i]
map0[map_key]=map0.get(map_key,0)+1
print(map0)
结果:{'a': 3, 'c': 2, 'b': 1}