紧邻算法分类器之模拟图(二)

首先将数据将文本中的数据导入数据库,因为,对数据库的操作比较熟悉,对以后的数据统计也比较的方便,是通过,计算不同点出现的次数为纵坐标,以特征值为很坐标,

数据仍然是(一)中的数据,值得注意的是数据库操作后,一定需要语句conn.commit()    ,否则会出现,执行后,数据库中没有存储的现象,操作数据库需要pymssql库

具体程序:

import pymssql
from numpy import * 
import matplotlib.pylab as pl
#coding=utf-8


def NonExecute(str,parm):
    conn=pymssql.connect(host='localhost',database='test',user='sa',password='123')
    
    cur=conn.cursor()
    
    cur.execute(str,parm)
    
    #d= cur.fetchall()
    conn.commit()    
    cur.close()
    conn.close()    
   # return d
train = loadtxt("D:\\iris.trn",delimiter=',',usecols=(0,1,2,3,4),dtype=str)
for i in train:
    print i[0]
    parm=(i[0],i[1],i[2],i[3],i[4])
  #  cur.execute("""insert into iris(sepal_length,sepal_width,petal_length,petal_width,class_label) values(%s,%s,%s,%s,%s)""",parm)
    str = """insert into iris(sepal_length,sepal_width,petal_length,petal_width,class_label) values(%s,%s,%s,%s,%s)""";
    NonExecute(str,parm)


紧邻算法分类器之模拟图(二)_第1张图片

紧邻算法分类器之模拟图(二)_第2张图片

你可能感兴趣的:(数据库导入)