用导入的数据写10.根据上图选取F1最大的类别值，构建K近邻分类器，以表格中所有数据进行训练；输入年龄和预期工资数值，判断用户购买的意向，值为1显示：有购买意向；0显示：购买意向不强。

抱歉，由于没有提供图片或数据，我无法为您提供完整的代码。但是，以下是一个K近邻分类器的模板，您可以根据自己的数据进行修改和运行：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 1. 导入数据
data = pd.read_csv('your_data.csv')

# 2. 数据预处理
# ...

# 3. 划分数据集
X = data.drop('target', axis=1)
y = data['target']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 4. 构建K近邻分类器
k = 5 # K值
clf = KNeighborsClassifier(n_neighbors=k)
clf.fit(X_train, y_train)

# 5. 预测测试集
y_pred = clf.predict(X_test)

# 6. 模型评估
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

# 7. 预测新数据
age = # 输入年龄值
salary = # 输入预期工资值
new_data = pd.DataFrame({'age': [age], 'salary': [salary]})
prediction = clf.predict(new_data)
print('Prediction:', prediction)

其中，第10步需要根据您的数据进行修改。`target`表示目标变量，即购买意向。`age`和`salary`需要根据您的数据集进行修改。