《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：

注：文章内的代码来源：http://cuijiahua.com/blog/2017/11/ml_1_knn.html