#二、KNN 算法 ''' traindata.shape  #返回一个列表，第一个行数，第二个列数 numpy.tile(a,(b,c))  #参数 a 为扩展的对象，b 方向扩展，c 为列方向扩展 ''' import numpy from collections import defaultdict #参数 k:选取距离最小的 k 个样本,labels：每个训练数据所属类型的列表 def knn(k,testdata,traindata,labels):     traindatasize=traindata.shape[0]     #将 testdata 扩展为 traindata 一样的维数     dif=numpy.tile(testdata,(traindatasize,1))-traindata     sq_dif=dif**2     sum_sql_dif=sq_dif.sum(axis=1)  #axis=1,表示每列之和，axis=0 表示每行之和
    distance=sum_sql_dif**0.5     #得到元素索引的排序列表     sortdistance=distance.argsort()     #选取距离最小的 k 个样本，并对其所属类型的频率计算     frequency=defaultdict(int)     for i in range(k):         type=labels[sortdistance[i]]  #sortdistance[i]为 labels 的索引         frequency[type]+=1     sortcount=sorted(frequency.items(),key=lambda a:a[1])#类型频率高低排序     return sortcount[0][0] #三、图片及手写体数字的识别 #1、图片处理 #pillow 模块的缩写为 PIL ''' im.size 获得宽、高 k=im.getpixel((1,9)) 获取图片某个位置的像素 print(k) 得到的是 rgb 格式（三种基本色） （255，255，255）为白色，（0，0，0）为黑色, 所以三者之和为 0 则为黑，非零则为白。 ''' from PIL import Image im=Image.open('C:\\Users\\coffee\\Desktop\\7.png') fh=open('C:\\Users\\coffee\\Desktop\\7.txt','a') width=im.size[0] height=im.size[1] for i in range(width):     for j in range(height):         k=im.getpixel((i,j)) #得到三个数的列表         cl_all=k[0]+k[1]+k[2]         if(cl_all==0):             fh.write('0')         else:             fh.write('1')     fh.write('\n') fh.close() #2、手写体 数字的识别 ''' data=open('C:\\Users\\coffee\\Desktop\\7.txt','r') data.readline(5) #默认读取行所有的数据，括号中的参数 5 表示输出该行的 5 个字符。 for line in data.readlines():     print(line) ''' #建立一个函数专门实现数据的加载，将数据转化为一行 1024（32*32）个数字的数组。 def datatoarray(file_dir):     arr=[]     fh=open(file_dir)     for i in range(32):         thisline=fh.readline()         for j in range(32):             arr.append(int(thisline[j]))     return arr ''' fname='C:\\Users\\coffee\\Desktop\\7.txt' datatoarray(fname) '''
#建立一个函数，提取文件的前缀--label(文件名：0_2.txt) def seplabel(fname):     filestr=fname.split('.')[0] #分割后得到的是列表     label=int(filestr.split('_')[0])     return label #建立训练数据--提取 train 数据，labels import os def traindata():     labels=[]     trainfile=os.listdir('D:\\python\\Python3 数 据 分 析 与 挖 掘 实 战 \\ 源码\\ 第 7 周 \\testandtraindata\\traindata') #获取文件名的列表     trainarr=numpy.zeros((len(trainfile),1024)) #生成一个二维数组     for i in range(len(trainfile)):         thislabel=seplabel(trainfile[i])         labels.append(thislabel)         trainarr[i,:]=datatoarray('D:\\python\\Python3 数据分析与挖掘实战\\源码\\第 7 周 \\testandtraindata\\traindata\\'+trainfile[i])     return trainarr,labels ''' trainarr,labels=traindata()  ''' #建立测试数据函数-得到测试函数集（将每个测试数据转化为一行向量） def datatest():     testfile=os.listdir('D:\\python\\Python3 数据分析与挖掘实战\\ 源码\\ 第 7 周 \\testandtraindata\\testdata')     test_labels=[]     testarr=numpy.zeros((len(testfile),1024))     for i in range(len(testfile)):         label=seplabel(testfile[i])         test_labels.append(label)         testarr[i,:]=datatoarray('D:\\python\\Python3 数据分析与挖掘实战\\源码\\第 7 周 \\testandtraindata\\traindata\\'+testfile[i])     return testarr,test_labels ''' testarr,test_labels=datatest() ''' #调用数据进行检验 trainarr,labels=traindata() testarr,test_labels=datatest() oks=[] t=0 for i in range(len(testarr)):     testarr_=testarr[i]     ok=knn(5,testarr_,trainarr,labels)     oks.append(ok)     print(ok)     if ok!=test_labels[i]:         t+=1 error_ration=t/len(testarr) print('错误率为'+str(error_ration))