如何将两个csv文件的指定列作为K 近邻算法的输入数据

要将两个 CSV 文件的指定列作为 K 近邻算法的输入数据，可以按照以下步骤进行：

1. 使用 Pandas 库的 `read_csv` 函数读取两个 CSV 文件，并将其分别存储为 DataFrame 类型的数据。

import pandas as pd

df1 = pd.read_csv('file1.csv', usecols=['col1', 'col2', 'col3'])
df2 = pd.read_csv('file2.csv', usecols=['col4', 'col5', 'col6'])

其中，`usecols` 参数指定了要读取的列名。

2. 将两个 DataFrame 合并为一个。

merged_df = pd.concat([df1, df2], axis=1)

其中，`axis=1` 表示按列进行合并。

3. 对合并后的数据集进行 K 近邻算法的训练和测试。

from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

X_train, X_test, y_train, y_test = train_test_split(merged_df, labels, test_size=0.2, random_state=42)

knn = KNeighborsClassifier()
knn.fit(X_train, y_train)

其中，`labels` 表示分类标签，可以根据具体情况进行设置。最后使用 `fit` 函数对训练集进行拟合，再使用 `predict` 函数对测试集进行预测。