你可以用只用numpy实现knn算法吗

可以。以下是一个使用numpy实现的knn算法的示例代码：

import numpy as np

def knn(X_train, y_train, X_test, k):
    # 计算测试样本与所有训练样本的距离
    dists = np.sqrt(np.sum((X_test[:, np.newaxis, :] - X_train)**2, axis=2))
    # 找出距离最近的k个样本的索引
    idxs = np.argsort(dists, axis=1)[:, :k]
    # 对这k个样本的标签进行投票
    y_pred = np.apply_along_axis(lambda x: np.bincount(x).argmax(), axis=1, arr=y_train[idxs])
    return y_pred

其中，X_train和y_train分别是训练样本的特征和标签，X_test是测试样本的特征，k是超参数，表示要考虑的最近邻居的数量。dists计算了测试样本与所有训练样本之间的距离，idxs找出了距离最近的k个样本的索引，y_pred对这k个样本的标签进行投票得到最终的预测标签。该实现使用了numpy的广播和向量化操作，可以高效地处理大规模数据集。