# -*- coding: utf-8 -*-
import numpy as np 
import operator
from os import listdir

# k近邻算法实现
def classify0(inX, dataSet, labels, k):
    # 得到数组的行数， 训练数据的大小
    dataSetSize = dataSet.shape[0]
    # 将inX这一个数据， 扩充成dataSetSize个大小一样的数据集
    # 减去dataSet， 得到一个差集的数据集
    diffMat = np.tile(inX, (dataSetSize, 1)) - dataSet
    # 平方， 数据集各个元素分别平方
    sqDiffMat = diffMat ** 2
    # 每行数据求和
    sqDistances = sqDiffMat.sum(axis=1)
    # 开方
    distances = sqDistances ** 0.5
    # 排序, sortedDistIndicies为得到的索引的序的列表
    sortedDistIndicies = distances.argsort()

    # 字典
    classCount = {}
    for i in range(k):
        # voteIlabel为得到的label
        voteIlabel = labels[sortedDistIndicies[i]]
        # 字典classCount中标签voteIlabel对应的值加一， 0代表初始值从0开始
        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1

    # classCount.iteritems()： 迭代取出classCount的每个元素
    # key： 需要排序的列表项
    # reverse： 降序排序
    sortedClassCount = sorted(classCount.iteritems(),
                              key=operator.itemgetter(1), reverse=True)
    return sortedClassCount[0][0]


# 文件转成矩阵
def file2matrix(filename):
    # 打开文件
    fr = open(filename)
    # 获取文件的行数
    numberOfLines = len(fr.readlines())
    # 创建一个行数为：numberOfLines， 列数为3，以0填充的矩阵
    returnMat = np.zeros((numberOfLines,3))

    classLabelVector = []  
    fr = open(filename)
    index = 0
    # 循环读取文件的每一行
    for line in fr.readlines():
        # 去掉每行数据的回车符
        line = line.strip()
        # 将每行数据， 分割成一个元素列表
        listFromLine = line.split('\t')
        # 将每个元素列表的前3个元素， 存到特征矩阵中
        returnMat[index,:] = listFromLine[0:3]
        # 将每个元素列表的最后一个元素， 存到标签向量列表中
        classLabelVector.append(int(listFromLine[-1]))
        # 索引自加
        index += 1
    # 返回： 特征矩阵， 标签列表
    return returnMat,classLabelVector

returnMat,classLabelVector = file2matrix('datingTestSet2.txt')


# 数据归一化
# newValue = （oldValue - min）/ (max - min)
def autoNorm(dataSet):
    # 数据中最小值和最大值
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    # 区间
    ranges = maxVals - minVals
    # np.shape(dataSet)： 返回矩阵的行数和列数
    # 创建名为normDataSet的用0填充的矩阵
    normDataSet = np.zeros(np.shape(dataSet))
    # 矩阵的行数
    m = dataSet.shape[0]
    # np.tile(minVals, (m,1): 扩充一个m行1列的用minVals填充的矩阵
    # （oldValue - min）
    normDataSet = dataSet - np.tile(minVals, (m,1))
    # （oldValue - min）/ (max - min)
    normDataSet = normDataSet/np.tile(ranges, (m,1))
    return normDataSet, ranges, minVals


def datingClassTest():
    hoRatio = 0.5
    # 从文件中获取数据    
    datingDataMat,datingLabels = file2matrix('datingTestSet2.txt') 
    # 数据归一化
    normMat, ranges, minVals = autoNorm(datingDataMat)
    # 数据的行数
    m = normMat.shape[0]
    # 测试数据的个数
    numTestVecs = int(m*hoRatio)
    errorCount = 0.0
    for i in range(numTestVecs):
        # k近邻分类的结果
        classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)
        print "the classifier came back with: %d, the real answer is: %d" % (classifierResult, datingLabels[i])
        # 对比k近邻分类的结果和真实的结果
        if (classifierResult != datingLabels[i]): errorCount += 1.0
    print "the total error rate is: %f" % (errorCount/float(numTestVecs))
    print errorCount

datingClassTest()