# -*- coding: cp936 -*- #win系统中应用cp936编码，linux中最好还是utf-8比较好。 from numpy import *#引入科学计算包 import operator #经典python函数库。运算符模块。 #创建数据集 def createDataSet():     group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])     labels=['A','A','B','B']     return group,labels #算法核心 #inX：用于分类的输入向量。即将对其进行分类。 #dataSet：训练样本集 #labels:标签向量 def classfy0(inX,dataSet,labels,k):     #距离计算     dataSetSize =dataSet.shape[0]#得到数组的行数。即知道有几个训练数据     diffMat     =tile(inX,(dataSetSize,1))-dataSet#tile:numpy中的函数。tile将原来的一个数组，扩充成了4个一样的数组。diffMat得到了目标与训练数值之间的差值。     sqDiffMat   =diffMat**2#各个元素分别平方     sqDistances =sqDiffMat.sum(axis=1)#对应列相乘，即得到了每一个距离的平方     distances   =sqDistances**0.5#开方，得到距离。     sortedDistIndicies=distances.argsort()#升序排列     #选择距离最小的k个点。     classCount={}     for i in range(k):         voteIlabel=labels[sortedDistIndicies[i]]         classCount[voteIlabel]=classCount.get(voteIlabel,0)+1     #排序     sortedClassCount=sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)     return sortedClassCount[0][0]