数据从txt文本导入python-Adela

han8809

　　机器学习实战 p21
　　源代码：
　　def file2matrix(filename):
　　fr = open(filename)
　　numberOfLines = len(fr.readlines())         #get the number of lines in the file
　　returnMat = zeros((numberOfLines,3))        #prepare matrix to return

　　>　　fr = open(filename)
　　index = 0
　　for line in fr.readlines():
　　line = line.strip()
　　listFromLine = line.split('\t')
　　returnMat[index,:] = listFromLine[0:3]

　　>　　index += 1
　　return returnMat,classLabelVector
　　报错如下：
　　>>> mat,label = kNN.file2matrix('datingTestSet.txt')
　　Traceback (most recent call last):
　　File "<stdin>", line 1, in <module>
　　File "kNN.py", line 50, in file2matrix

　　>　　ValueError: could not convert string to int: largeDoses
　　解决方法：
　　listFromLine[-1]的值形似如下格式，带有回车换行符
　　largeDoses\r\n
　　smallDoses\r\n
　　didntLike\r\n
　　didntLike\r\n
　　didntLike\r\n
　　要将字母字符串转换为int类型是不可能的。
　　作者定义largeDoses 为3，smallDoses 为2，didntLike为1
　　于是笔者增加了一个字典类型
　　d = {'didntLike': 1, 'smallDoses': 2, 'largeDoses': 3}
　　通过d[listFromLine[-1]]得到对应的label
　　更改后的代码如下：
　　rf.py
　　from numpy import *
　　import operator
　　from os import listdir
　　def rf(filename):
　　fr = open(filename)
　　numberOfLines = len(fr.readlines())         #get the number of lines in the file
　　returnMat = zeros((numberOfLines,3))        #prepare matrix to return
　　d = {'didntLike': 1, 'smallDoses': 2, 'largeDoses': 3}

　　>　　index = 0
　　fr = open(filename)
　　for line in fr.readlines():
　　listFromLine = line.split('\t')
　　returnMat[index,:] = listFromLine[0:3]
　　listFromLine[-1] = listFromLine[-1][0:-2]        #去除尾端的回车换行符

　　>　　index += 1
　　return returnMat,classLabelVector
　　画图：
　　import rf
　　mat,label = rf.rf('datingTestSet.txt')
　　import matplotlib
　　import matplotlib.pyplot as plt
　　fig = plt.figure()
　　>>> ax1 = fig.add_subplot(2, 2, 1)
　　>>> ax1.scatter(mat[:,0],mat[:,1])
　　>>> ax2 = fig.add_subplot(2, 2, 2)
　　>>> ax2.scatter(mat[:,1],mat[:,2])
　　from numpy import array        #需要自己导入array，否则会报错
　　>>> ax3 = fig.add_subplot(2, 2, 3)
　　>>> ax3.scatter(mat[:,0],mat[:,1],15.0*array(label),15.0*array(label))
　　ax4 = fig.add_subplot(2, 2, 4)
　　ax4.scatter(mat[:,1],mat[:,2],15.0*array(label),15.0*array(label))
　　plt.show()