import numpy as np
import pandas as pd
 
# 讀取鳶尾花數(shù)據(jù)集，header參數(shù)來指定標題的行。默認為0。如果沒有標題，則使用None。
data = pd.read_csv("你的目錄/Iris.csv",header=0)
# 顯示前n行記錄。默認n的值為5。
#data.head()
# 顯示末尾的n行記錄。默認n的值為5。
#data.tail()
# 隨機抽取樣本。默認抽取一條，我們可以通過參數(shù)進行指定抽取樣本的數(shù)量。
# data.sample(10)
# 將類別文本映射成為數(shù)值類型
 
data["Species"] = data["Species"].map({"Iris-virginica": 0, "Iris-setosa": 1, "Iris-versicolor": 2})
# 刪除不需要的Id列。
data.drop("Id", axis=1, inplace=True )
data.drop_duplicates(inplace=True)
## 查看各個類別的鳶尾花具有多少條記錄。
data["Species"].value_counts()

#構建訓練集與測試集，用于對模型進行訓練與測試。
# 提取出每個類比的鳶尾花數(shù)據(jù)
t0 = data[data["Species"] == 0]
t1 = data[data["Species"] == 1]
t2 = data[data["Species"] == 2]
# 對每個類別數(shù)據(jù)進行洗牌 random_state 每次以相同的方式洗牌 保證訓練集與測試集數(shù)據(jù)取樣方式相同
t0 = t0.sample(len(t0), random_state=0)
t1 = t1.sample(len(t1), random_state=0)
t2 = t2.sample(len(t2), random_state=0)
# 構建訓練集與測試集。
train_X = pd.concat([t0.iloc[:40, :-1], t1.iloc[:40, :-1], t2.iloc[:40, :-1]] , axis=0)#截取前40行，除最后列外的列，因為最后一列是y
train_y = pd.concat([t0.iloc[:40, -1], t1.iloc[:40, -1], t2.iloc[:40, -1]], axis=0)
test_X = pd.concat([t0.iloc[40:, :-1], t1.iloc[40:, :-1], t2.iloc[40:, :-1]], axis=0)
test_y = pd.concat([t0.iloc[40:, -1], t1.iloc[40:, -1], t2.iloc[40:, -1]], axis=0)

#定義KNN類，用于分類，類中定義兩個預測方法，分為考慮權重不考慮權重兩種情況
class KNN:
 ''' 使用Python語言實現(xiàn)K近鄰算法。（實現(xiàn)分類） '''
 def __init__(self, k):
  '''初始化方法 
   Parameters
   -----
   k:int 鄰居的個數(shù)
  '''
  self.k = k
 
 def fit(self,X,y):
  '''訓練方法
   Parameters
   ----
   X : 類數(shù)組類型，形狀為：[樣本數(shù)量, 特征數(shù)量]
   待訓練的樣本特征（屬性）
  
  y : 類數(shù)組類型，形狀為： [樣本數(shù)量]
   每個樣本的目標值（標簽）。
  '''
  #將X轉換成ndarray數(shù)組
  self.X = np.asarray(X)
  self.y = np.asarray(y)
  
 def predict(self,X):
  """根據(jù)參數(shù)傳遞的樣本，對樣本數(shù)據(jù)進行預測。
  
  Parameters
  -----
  X : 類數(shù)組類型，形狀為：[樣本數(shù)量, 特征數(shù)量]
   待訓練的樣本特征（屬性） 
  
  Returns
  -----
  result : 數(shù)組類型
   預測的結果。
  """
  X = np.asarray(X)
  result = []
  # 對ndarray數(shù)組進行遍歷，每次取數(shù)組中的一行。
  for x in X:
   # 對于測試集中的每一個樣本，依次與訓練集中的所有樣本求距離。
   dis = np.sqrt(np.sum((x - self.X) ** 2, axis=1))
   ## 返回數(shù)組排序后，每個元素在原數(shù)組（排序之前的數(shù)組）中的索引。
   index = dis.argsort()
   # 進行截斷，只取前k個元素?！救【嚯x最近的k個元素的索引】
   index = index[:self.k]
   # 返回數(shù)組中每個元素出現(xiàn)的次數(shù)。元素必須是非負的整數(shù)。【使用weights考慮權重，權重為距離的倒數(shù)。】
   count = np.bincount(self.y[index], weights= 1 / dis[index])
   # 返回ndarray數(shù)組中，值最大的元素對應的索引。該索引就是我們判定的類別。
   # 最大元素索引，就是出現(xiàn)次數(shù)最多的元素。
   result.append(count.argmax())
  return np.asarray(result)

#創(chuàng)建KNN對象，進行訓練與測試。
knn = KNN(k=3)
#進行訓練
knn.fit(train_X,train_y)
#進行測試
result = knn.predict(test_X)
# display(result)
# display(test_y)
display(np.sum(result == test_y))
display(np.sum(result == test_y)/ len(result))

#導入可視化所必須的庫。
import matplotlib as mpl
import matplotlib.pyplot as plt
mpl.rcParams["font.family"] = "SimHei"
mpl.rcParams["axes.unicode_minus"] = False
 
#繪制散點圖。為了能夠更方便的進行可視化，這里只選擇了兩個維度（分別是花萼長度與花瓣長度）。
# {"Iris-virginica": 0, "Iris-setosa": 1, "Iris-versicolor": 2})
# 設置畫布的大小
plt.figure(figsize=(10, 10))
# 繪制訓練集數(shù)據(jù)
plt.scatter(x=t0["SepalLengthCm"][:40], y=t0["PetalLengthCm"][:40], color="r", label="Iris-virginica")
plt.scatter(x=t1["SepalLengthCm"][:40], y=t1["PetalLengthCm"][:40], color="g", label="Iris-setosa")
plt.scatter(x=t2["SepalLengthCm"][:40], y=t2["PetalLengthCm"][:40], color="b", label="Iris-versicolor")
# 繪制測試集數(shù)據(jù)
right = test_X[result == test_y]
wrong = test_X[result != test_y]
plt.scatter(x=right["SepalLengthCm"], y=right["PetalLengthCm"], color="c", marker="x", label="right")
plt.scatter(x=wrong["SepalLengthCm"], y=wrong["PetalLengthCm"], color="m", marker=">", label="wrong")
plt.xlabel("花萼長度")
plt.ylabel("花瓣長度")
plt.title("KNN分類結果顯示")
plt.legend(loc="best")
plt.show()