knn-注释

 18 def classify0(inX, dataSet, labels, k):                   
 19     dataSetSize = dataSet.shape[0]                         
 20     diffMat = tile(inX, (dataSetSize,1)) - dataSet  #参见 numpy.tile(A, B)     
 23     sqDiffMat = diffMat**2
 24     sqDistances = sqDiffMat.sum(axis=1)  #参见sum(axis=1)                   
 25     distances = sqDistances**0.5 
 26     sortedDistIndicies = distances.argsort()               
 27     classCount={}                                         
 28     for i in range(k):
 29         voteIlabel = labels[sortedDistIndicies[i]]
30         classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1

参考:
sum(axis=1) -- https://blog.csdn.net/ikerpeng/article/details/17026011

2.python的 numpy当中

现在对于数据的处理更多的还是numpy。没有axis参数表示全部相加，axis＝0表示按列相加，axis＝1表示按照行的方向相加

[python] view plain copy

1. >>> import numpy as np  
2. >>> a=np.sum([[0,1,2],[2,1,3]])  
3. >>> a  
4. 9  
5. >>> a.shape  
6. ()  
7. >>> a=np.sum([[0,1,2],[2,1,3]],axis=0)  
8. >>> a  
9. array([2, 2, 5])  
10. >>> a.shape  
11. (3,)  
12. >>> a=np.sum([[0,1,2],[2,1,3]],axis=1)  
13. >>> a  
14. array([3, 6])  
15. >>> a.shape  
16. (2,)  

numpy.tile(A,B) -- https://blog.csdn.net/ksearch/article/details/21388985

重复A，B次，这里的B可以时int类型也可以是远组类型。

[python] view plain copy

1. >>> import numpy  
2. >>> numpy.tile([0,0],5)#在列方向上重复[0,0]5次，默认行1次  
3. array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])  
4. >>> numpy.tile([0,0],(1,1))#在列方向上重复[0,0]1次，行1次  
5. array([[0, 0]])  
6. >>> numpy.tile([0,0],(2,1))#在列方向上重复[0,0]1次，行2次  
7. array([[0, 0],  
8.        [0, 0]])  
9. >>> numpy.tile([0,0],(3,1))  
10. array([[0, 0],  
11.        [0, 0],  
12.        [0, 0]])  
13. >>> numpy.tile([0,0],(1,3))#在列方向上重复[0,0]3次，行1次  
14. array([[0, 0, 0, 0, 0, 0]])  
15. >>> numpy.tile([0,0],(2,3))"font-family: Arial, Helvetica, sans-serif;">#在列方向上重复[0,0]3次，行2次  
16. array([[0, 0, 0, 0, 0, 0],  
17.        [0, 0, 0, 0, 0, 0]])