#!/usr/bin/python

 # -*- coding: UTF-8 -*-

 """

    【KNN 实战】

 """

 import  numpy as np

 import matplotlib.pyplot as plt

 import matplotlib.lines as mlines

 from matplotlib.font_manager import FontProperties

 import operator

 # 提取文件中的数据 转换成矩阵

 def file2matric(filename):

     """

     disc:

     param: filename: 导入数据文本

     return: 数据矩阵

     """

     f = open(filename,'r',encoding= 'utf-8')

     # 获取文件的行数

     lines_list = f.readlines()

     num_of_lines = len(lines_list)

     # 创建存放标签的列表

     class_label_list = []

     # 生成对应的空矩阵 zeros(2,3) 就是生成2行3列的0矩阵

     returnMat = np.zeros((num_of_lines,3))

     # 将文本中的数据放到矩阵中

     for i in range(num_of_lines):

         lines = lines_list[i].strip().split('\t')

         # 将文本中的前3个数据放到矩阵中

         returnMat[i,:] = lines[0:3]

         # 将标签存到列表中

         class_label_list.append(int(lines[-1]))

     # print(returnMat)

     return returnMat, class_label_list

 def DrawScatter(dataMat,label_list):

     # 导入中文字体，及字体大小

     zhfont = FontProperties(fname='C:/Windows/Fonts/simsun.ttc', size=14)

     # 绘制绘图窗口 2行2列

     fig,ax = plt.subplots(2,2,figsize=(13,8))

     # 不同标签赋予不同颜色

     label_color = []

     for i in label_list:

         if i == 1:

             label_color.append('black')

         elif i == 2:

             label_color.append('orange')

         elif i == 3:

             label_color.append('red')

     # 开始绘制散点图 设定散点尺寸与透明度

     scatter_size = 12

     scatter_alpha = 0.5

     # ===================散点图========================

     ax[0][0].scatter(dataMat[:,0], dataMat[:,1],color = label_color,s = scatter_size ,alpha = scatter_alpha)

     ax[0][1].scatter(dataMat[:, 1], dataMat[:, 2], color=label_color, s=scatter_size , alpha=scatter_alpha)

     ax[1][0].scatter(dataMat[:, 0], dataMat[:, 2], color=label_color, s=scatter_size , alpha=scatter_alpha)

     # 坐标轴标题

     title_list = ['每年获得的飞行常客里程数和玩视频游戏所消耗时间占比',

                   '每年获得的飞行常客里程数和每周消费的冰激淋公升数',

                   '玩视频游戏所消耗时间占比和每周消费的冰激淋公升数']

     x_name_list = ['每年获得的飞行常客里程数','玩视频游戏所消耗时间占比','每周消费的冰激淋公升数']

     y_name_list = ['玩视频游戏所消耗时间占比','每周消费的冰激淋公升数','每年获得的飞行常客里程数']

     #设置图例

     didntLike = mlines.Line2D([], [], color='black', marker='.',

                       markersize=6, label='didntLike')

     smallDoses = mlines.Line2D([], [], color='orange', marker='.',

                       markersize=6, label='smallDoses')

     largeDoses = mlines.Line2D([], [], color='red', marker='.',

                       markersize=6, label='largeDoses')

     p = 0

     for i in range(2):

         for j in range(2):

             if p > 2:

                 break

             # 设置坐标轴名称和标题

             plt.setp(ax[i][j].set_title(u'%s'%(title_list[p]),FontProperties = zhfont),size=9, weight='bold', color='red')

             plt.setp(ax[i][j].set_xlabel(u'%s'%(x_name_list[p]),FontProperties = zhfont), size=7, weight='bold', color='black')

             plt.setp(ax[i][j].set_ylabel(u'%s'%(y_name_list[p]),FontProperties = zhfont), size=7, weight='bold', color='black')

             p+=1

     # 添加图例

     ax[0][0].legend(handles=[didntLike, smallDoses, largeDoses])

     ax[0][1].legend(handles=[didntLike, smallDoses, largeDoses])

     ax[1][0].legend(handles=[didntLike, smallDoses, largeDoses])

     plt.savefig('.\\123.png', bbox_inches='tight')

     plt.show()

 # 对矩阵进行归一化处理

 def dataNorm(dataMat):

     """

     :param dataMat:

     :return: 归一化后的数据集

     归一化公式： Y = (X - Xmin)/(Xmax - Xmin)

     """

     # max(0) min(0) 求出每列的最大值和最小值

     d_min = dataMat.min(0)

     d_max = dataMat.max(0)

     # 计算极差

     d_ranges = d_max - d_min

     # 创建输出矩阵

     normDataSet = np.zeros(np.shape(dataMat))

     print(normDataSet)

     # 获得矩阵行数 .shape 获取矩阵的大小  3x3

     m = dataMat.shape[0]

     # 计算 (X - Xmin) 这部分 首先要创建Xmin矩阵 将d_min扩展到m行

     # 需要使用np.tile 函数进行扩展   将d_min扩展成m行1列 变成m x 3 矩阵

     normDataSet = dataMat - np.tile(d_min,(m,1))

     print(normDataSet)

     # 计算Y

     normDataSet = normDataSet / np.tile(d_ranges,(m,1))

     print(normDataSet)

     return normDataSet

 def classfy_fun(test_data, train_data, labels, k):

     """

     :param test_data: 测试集

     :param train_data: 训练集

     :param labels: 训练集标签

     :param k:  KNN 算法参数 选择距离最小的个数

     :return:  分类结果

     """

     # 计算训练集的矩阵行数

     train_size = train_data.shape[0]

     # 接下来按照欧氏距离进行元素距离计算 公式

     #     将测试集扩充成与训练集相同行数 求差

     diffMat = np.tile(test_data,(train_size,1)) - train_data

     # 将差值矩阵的每个元素平方

     sq_diffMat = diffMat**2

     # 差值平方矩阵每行元素相加 axis = 1 是按行相加

     sum_diffMat = sq_diffMat.sum(axis = 1)

     # 对新的求和矩阵进行开方 得到距离值

     distances = sum_diffMat ** 0.5

     # 获得距离值中从小到大值的索引

     sorted_distant = distances.argsort()

     # 定义一个字典 存放标签 与 出现的数量

     class_count = {}

     for i in range(k):

         # 找出前k个距离值最小的对应标签

         temp_label = labels[sorted_distant[i]]

         # 将标签作为 key 存放到字典中 出现次数作为 value

         class_count[temp_label] = class_count.get(temp_label,0) + 1

     # 将字典按照value 大小进行排序

     sort_class_count = sorted(class_count.items(),key = operator.itemgetter(1))

     return sort_class_count[0][0]

     pass

 # 创建分类器函数

 def dating_class_test():

     # 首先获取文件，将文件分成测试集和训练集

     dating_Mat, dating_label = file2matric('datingdata.txt')

     # 设置测试集的比例

     test_ratio = 0.1

     # 数据归一化

     normMat = dataNorm(dating_Mat)

     #获得矩阵的行数

     m = normMat.shape[0]

     # 计算测试集的数量

     numTestData = int(m * test_ratio)

     # 错误分类的数量

     error_count = 0.0

     for i in range(numTestData):

         class_result = classfy_fun(dating_Mat[i,:], dating_Mat[numTestData:m,:],

                                    dating_label[numTestData:m],4 )

         print("分类结果:%s,实际分类：%s"%(class_result,dating_label[i]))

         if class_result != dating_label[i]:

             error_count += 1

     # print("错误识别的数量：%f" %error_count)

     print("正确率：%f%% \n" %((1 - error_count / numTestData)*100))

 def main():

     # reMat, label = file2matric('datingdata.txt')

     # DrawScatter(reMat,label )

     # dataNorm(reMat)

     # 测试分类情况

     dating_class_test()

     pass

 if __name__ =='__main__':

     main()