python将数据集分成训练样本和类标签

这里假设 类标签为largeDoses, smallDoses, didntLike三类，假设训练样本有三个特征属性，类标签放在数据集的最后一列

import numpy as np

def file2matrix(filename):  # filename是文件保存地址
    love_dictionary = {'largeDoses':3, 'smallDoses':2, 'didntLike':1}
    fr = open(filename)
    arrayOLines = fr.readlines()
    numberOfLines = len(arrayOLines)            # 获得文件的行数
    returnMat = np.zeros((numberOfLines, 3))        # 用于存放训练数据
    classLabelVector = []                       # 用于存放类标签
    index = 0
    for line in arrayOLines:
        line = line.strip() # 截取掉所有的回车字符
        listFromLine = line.split() 
        returnMat[index, :] = listFromLine[0:3] # 存放训练样本
        if(listFromLine[-1].isdigit()): # 如果标签字符串是数字，用int（）函数转换为数字类型
            classLabelVector.append(int(listFromLine[-1]))
        else: # 如果标签字符串不是数字，利用字典转换为数字类型
            classLabelVector.append(love_dictionary.get(listFromLine[-1]))
        index += 1
    return returnMat, classLabelVector

isdigit()判断一个字符串是否为数字

b = ['a', '2a', '2']
print(b[0].isdigit())
print(b[1].isdigit())
print(b[2].isdigit())

False
False
True