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]])  

转:python numpy scipy pandas windows 安装

http://blog.csdn.net/zuyuanzhu/article/details/44677321

Numpy是以矩阵为基础的数学计算模块，纯数学。
Scipy基于Numpy，科学计算库，有一些高阶抽象和物理模型。比方说做个傅立叶变换，这是纯数学的，用Numpy；做个滤波器，这属于信号处理模型了，在Scipy里找。
Pandas提供了一套名为DataFrame的数据结构，比较契合统计分析中的表结构，并且提供了计算接口，可用Numpy或其它方式进行计算

windows 环境安装

1.下载Python

Python官网：https://www.python.org/downloads/

选择Download Python 2.7.9 ，没有64位选择。自定义安装目录为D:\Python27，以后重装系统后还能继续使用。

2.IDE

Python自带，Windows开始菜单中含有启动图标

3.PIP

 PIP是拓展库安装工具

官方Python不带PIP，下载好的numpy等扩展库，在numpy当前目录中打开CMD命令行，通过以下指令安装

[python] view plain copy

1. python setup.py install   

会发现类似“无法识别字符”的英文提示，这时候就需要先安装扩展库安装工具PIP。

  3.1下载PIP

    https://pypi.python.org/pypi/pip#downloads

    选择 pip-6.0.8.tar.gz (md5,pgp)  文件

  3.2安装PIP

     解压pip-6.0.8.tar.gz，在当前目录中开启CMD命令行，输入 以下指令进行安装

[python] view plain copy

1. python setup.py install   

    

4.安装numpy

   numpy库利用PIP工具安装

   4.1 下载numpy

    从http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy 下载numpy‑1.9.2+mkl‑cp27‑none‑win32.whl 

    numpy版本为1.9.2，适用于 2.7.X版的32位Python，虽然操作系统为64位，但上面第1步从官网下载的Python为32位。whl其实是一种压缩文件格式，改为zip后可直接解压，这里通过PIP安装，无需解压。

    4.2安装numpy

    在numpy‑1.9.2+mkl‑cp27‑none‑win32.whl  所在下载目录中打开CMD，输入 

[python] view plain copy

1. pip install numpy‑1.9.2+mkl‑cp27‑none‑win32.whl    

    注意，不要为了省事将numpy‑1.9.2+mkl‑cp27‑none‑win32.whl 改为numpy.whl，否则无法安装，如下图。文件名太长，可以复制粘贴。

安装的sumpy工具包在D:\Python27\Lib\site-packages目录下

5.验证numpy

   安装完成后测试numpy是否安装成功。

  Python中新建文件NumpyTest.py，输入以下代码

[python] view plain copy

1. from numpy import matrix  
2. ss= matrix([[1,2,3],[4,5,6]])  
3. print ss  

   运行结果为

[python] view plain copy

1. [[1 2 3]  
2.  [4 5 6]]  

说明numpy安装成功。

6.scipy

   scipy等其他扩展库安装方法与上述方式雷同，几乎所有扩展包都可以在http://www.lfd.uci.edu/~gohlke/pythonlibs中找到，在这里要感谢University of California的分享。

Reference:

http://blog.csdn.net/sky_fun/article/details/43974449

numpy setup 依赖于python-dev

first : python-dev setup
second: pip install numpy

python使用matplotlib绘图 - x轴

add:http://www.cnblogs.com/qianlifeng/archive/2012/02/13/2350086.html

让我们在x轴上的每个bar进行说明。比如第一个是“男”，第二个是“女”。

import matplotlib.pyplot as plt

plt.xlabel(u'性别')
plt.ylabel(u'人数')

plt.xticks((0,1),(u'男',u'女'))

plt.bar(left = (0,1),height = (1,0.5),width = 0.35)

plt.show()

plt.xticks的用法和我们前面说到的left,height的用法差不多。如果你有几个bar，那么就是几维的元组。第一个是文字的位置，第二个是具体的文字说明。不过这里有个问题，很显然我们指定的位置有些“偏移”，最理想的状态应该在每个矩形的中间。你可以更改(0,1)=>( (0+0.35)/2 ,(1+0.35)/2 )不过这样比较麻烦。我们可以通过直接指定bar方法里面的align="center"就可以让文字居中了。

Python numpy 按矩阵的某一列排序

利用numpy的argsort对需要排序的列标记序号（索引），然后直接改变原始矩阵的索引就行啦~

Python

1 2 3

a = np.array([[1,2,3],[4,5,6],[0,0,1]]) a_arg = np.argsort(a[:,1]) #按第'1'列排序 a = a[a_arg]