from numpy import *
import operator

def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]#獲取資料集的行數

classify0()函式有4個引數：inX：用於分類的輸入向量；dataset：輸入的訓練集；labels：標籤向量；k：最近鄰數。其中標籤向量的元素數目和矩陣dataset的行數相同。計算兩點間的距離公式為：

d =√(A_x- B_x)² + (A_y - B_y)²

寫成程式碼如下：

#計算dataSet中元素到原點的距離   
    diffMat = tile(inX, (dataSetSize, 1)) - dataSet 
    
 
#tile函式將inX填充至行數與dataset相同，再減去dataset，相當於dataset * （-1）
    sqDiffMat = diffMat ** 2 #diffMat中所有元素求平方
    sqDistances = sqDiffMat.sum(axis = 1)
    distances = sqDistances ** 0.5

計算完所有點之間的距離後，將資料按照從小到大的次序排列：

sortedDistIndicies = distances.argsort()

確定前k個距離最小的元素所在的主要分類，輸入k總是正整數；然後將classcount字典分解為元組列表，使用itemgetter方法，按照第二個元素的次序對元組進行從大到小排序，最後返回發生頻率最高的元素標籤

classCount = {}
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
    sortedClassCount = sorted(array(classCount).iteritems(), 
                              key = operator.itemgetter(1), reverse = True)
    return
 
 sortedClassCount[0][0]