《机器学习实战-KNN》—如何在cmd命令提示符下运行numpy和matplotlib
问题背景：好吧，文章标题是瞎取得。平常用cmd运行python代码问题不大，我在学习《机器学习实战》这本书时，发现cmd无法运行
import numpy as np以及import matplotlib*这条语句，原因是没有安装numpy和matplotlib。虽然用Anaconda的prompt以及Spyder等都可以成功运行，但如何在cmd环境下使用代码中含有numpy和matplotlib代码的文件呢?
至于如何安装，直接给答案:
用pip install numpy和pip install matplotlib命令即可，如图：
接下来的代码不是给你们看的，是给我自己看的(っ•̀ω•́)っ✎⁾⁾
现在我们试着运行代码：
这里的文件名为KNN02.py，内容来自《机器学习实战》
# -*- coding: utf-8 -*-
"""
Created on Thu Mar 29 11:14:25 2018
@author: CHJ
"""
import numpy as np
"""
函数说明：打开并解析文件，对数据进行分类：1代表不喜欢，2代表魅力一般，3代表极具魅力
"""
def file2matrix(filename):
#打开文件
fr = open(filename)
#读取文件所有内容
array0Lines = fr.readlines()
#print(array0Lines)
#得到文件行数
numberOfLines = len(array0Lines)
#返回的NumPy矩阵，解析完成的数据：numberOfLines行，3列
returnMat = np.zeros((numberOfLines,3)) #zeros(2，3)就是生成一个 2*3的矩阵，各个位置上全是 0
#返回的分类标签向量
classLabelVector = []
#行的索引值
index = 0
for line in array0Lines:
#s.strip(rm),当rm空时，默认删除空白符（包括'\n','\r','\t',' ')
line = line.strip()
#print(line)
#使用s.split(str ="",num = string,cout(str))将字符串根据'\t'分隔符进行切片。
listFromLine = line.split('\t') #将上一步得到的整行数据分割成一个元素列表
#print(listFromLine)
# 每列的属性数据
returnMat[index,:] = listFromLine[0:3] #将数据前三列提取出来，存放到returnMat的NumPy矩阵中，也就是特征矩阵
#print(returnMat[index,:])
#根据文本中标记的喜欢的程度进行分类，1代表不喜欢，2代表魅力一般，3代表极具魅力
if listFromLine[-1] == 'didntLike': #索引值-1表示列表中最后一列元素
classLabelVector.append(1)
elif listFromLine[-1] == 'smallDoses':
classLabelVector.append(2)
elif listFromLine[-1] == 'largeDoses':
classLabelVector.append(3)
index += 1
return returnMat,classLabelVector
if __name__ == "__main__":
#打开的文件名
filename = 'datingTestSet.txt'
#打开并处理数据
datingDataMat, datingLables = file2matrix(filename)
print(datingDataMat)
print(datingLables)
#print(len(datingLabel))
看看结果：
__现在要用到matplotlib，同样也是cmd -> pip install matplotlib __
安装成功了，现在我试着在cmd环境下运行以下代码：
文件名：KNN02.py
# -*- coding: utf-8 -*-
"""
Created on Thu Mar 29 11:14:25 2018
@author: CHJ
"""
import numpy as np
"""
函数说明：打开并解析文件，对数据进行分类：1代表不喜欢，2代表魅力一般，3代表极具魅力
"""
def file2matrix(filename):
#打开文件
fr = open(filename)
#读取文件所有内容
array0Lines = fr.readlines()
#print(array0Lines)
#得到文件行数
numberOfLines = len(array0Lines)
#返回的NumPy矩阵，解析完成的数据：numberOfLines行，3列
returnMat = np.zeros((numberOfLines,3)) #zeros(2，3)就是生成一个 2*3的矩阵，各个位置上全是 0
#返回的分类标签向量
classLabelVector = []
#行的索引值
index = 0
for line in array0Lines:
#s.strip(rm),当rm空时，默认删除空白符（包括'\n','\r','\t',' ')
line = line.strip()
#print(line)
#使用s.split(str ="",num = string,cout(str))将字符串根据'\t'分隔符进行切片。
listFromLine = line.split('\t') #将上一步得到的整行数据分割成一个元素列表
#print(listFromLine)
# 每列的属性数据
returnMat[index,:] = listFromLine[0:3] #将数据前三列提取出来，存放到returnMat的NumPy矩阵中，也就是特征矩阵
#print(returnMat[index,:])
#根据文本中标记的喜欢的程度进行分类，1代表不喜欢，2代表魅力一般，3代表极具魅力
if listFromLine[-1] == 'didntLike': #索引值-1表示列表中最后一列元素
classLabelVector.append(1)
elif listFromLine[-1] == 'smallDoses':
classLabelVector.append(2)
elif listFromLine[-1] == 'largeDoses':
classLabelVector.append(3)
index += 1
return returnMat,classLabelVector
"""编写一个可以将数据可视化的showdatas函数"""
from matplotlib.font_manager import FontProperties
import matplotlib.lines as mlines
import matplotlib.pyplot as plt
def showdatas(datingDataMat,datingLabels):
#设置汉字格式(这里选择：华文新魏 常规)
font = FontProperties(fname = r'C:\Windows\Fonts\STXINWEI.TTF', size = 14)
#将fig画布分隔成1行1列，不共享x轴和y轴，fig画布的大小为(13,8)
#当nrow=2, ncols = 2时，代表fig画布被分为四个区域，axs[0][0]表示第一行第一个区域
fig,axs = plt.subplots(nrows =2,ncols=2,sharex=False,sharey = False,figsize = (13,8))
#numberOfLabels = len(datingLabels)
LabelsColors = []
for i in datingLabels:
if i ==1:
LabelsColors.append('black')
if i ==2:
LabelsColors.append('blue')
if i ==3:
LabelsColors.append('red')
#画出散点图，以datingDataMat矩阵的第一(飞行常客例程)、第二列(玩游戏)数据画散点数据，散点大小为15，透明度为0.5
axs[0][0].scatter(x = datingDataMat[:,0],y = datingDataMat[:,1],color = LabelsColors,s = 15,alpha = 0.5)
#设置标题，x轴label,y轴label
axs0_title_text = axs[0][0].set_title(u'每年获得的飞行常客里程数与玩视频游戏所消耗时间占比',FontProperties = font)
axs0_xlabel_text = axs[0][0].set_xlabel(u'每年获得的飞行常客里程数',FontProperties = font)
axs0_ylabel_text = axs[0][0].set_ylabel(u'玩视频游戏所消耗时间占比',FontProperties = font)
plt.setp(axs0_title_text, size = 9,weight = 'bold',color = 'blue')
plt.setp(axs0_xlabel_text,size = 7,weight = 'bold',color = 'black')
plt.setp(axs0_ylabel_text,size = 7,weight = 'bold',color = 'black')
#画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
axs[0][1].scatter(x=datingDataMat[:,0], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
#设置标题,x轴label,y轴label
axs1_title_text = axs[0][1].set_title(u'每年获得的飞行常客里程数与每周消费的冰激淋公升数',FontProperties=font)
axs1_xlabel_text = axs[0][1].set_xlabel(u'每年获得的飞行常客里程数',FontProperties=font)
axs1_ylabel_text = axs[0][1].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
plt.setp(axs1_title_text, size=9, weight='bold', color='green')
plt.setp(axs1_xlabel_text, size=7, weight='bold', color='black')
plt.setp(axs1_ylabel_text, size=7, weight='bold', color='black')
#画出散点图,以datingDataMat矩阵的第二(玩游戏)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
axs[1][0].scatter(x=datingDataMat[:,1], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
#设置标题,x轴label,y轴label
axs2_title_text = axs[1][0].set_title(u'玩视频游戏所消耗时间占比与每周消费的冰激淋公升数',FontProperties=font)
axs2_xlabel_text = axs[1][0].set_xlabel(u'玩视频游戏所消耗时间占比',FontProperties=font)
axs2_ylabel_text = axs[1][0].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
plt.setp(axs2_title_text, size=9, weight='bold', color='red')
plt.setp(axs2_xlabel_text, size=7, weight='bold', color='black')
plt.setp(axs2_ylabel_text, size=7, weight='bold', color='black')
#设置图例
didntLike = mlines.Line2D([], [], color='black', marker='.',
markersize=6, label='didntLike')
smallDoses = mlines.Line2D([], [], color='blue', marker='.',
markersize=6, label='smallDoses')
largeDoses = mlines.Line2D([], [], color='red', marker='.',
markersize=6, label='largeDoses')
#添加图例
axs[0][0].legend(handles=[didntLike,smallDoses,largeDoses])
axs[0][1].legend(handles=[didntLike,smallDoses,largeDoses])
axs[1][0].legend(handles=[didntLike,smallDoses,largeDoses])
#显示图片
plt.show()
if __name__ == "__main__":
#打开的文件名
filename = 'datingTestSet.txt'
#打开并处理数据
datingDataMat, datingLabels = file2matrix(filename)
# =============================================================================
# print(datingDataMat)
# print(datingLables)
# #print(len(datingLabel))
# =============================================================================
showdatas(datingDataMat, datingLabels) #显示图像
在cmd下运行如图：
发现它会自动唤醒我安装的Python3.6
输出图像：
本文版权归作者和博客园共有，欢迎转载，转载请注明出处和链接来源。
