python 读取csv文件数据 K-最近邻分类算法算法分类

读取CSV文件可以使用Python内置的csv模块，K-最近邻分类算法可以使用scikit-learn库中的KNeighborsClassifier类实现。下面是一个简单的示例代码：

import csv
import numpy as np
from sklearn.neighbors import KNeighborsClassifier

# 读取CSV文件数据
with open('data.csv', newline='') as csvfile:
    rows = csv.reader(csvfile)
    data = list(rows)

# 将数据转换为numpy数组
data = np.array(data).astype(float)

# 分离特征和标签
X = data[:, :-1]
y = data[:, -1]

# 创建K-最近邻分类器
knn = KNeighborsClassifier(n_neighbors=3)

# 训练分类器
knn.fit(X, y)

# 预测新样本
x_new = np.array([[1.2, 2.3, 4.5]])
prediction = knn.predict(x_new)

print(prediction)

在这个示例中，我们首先使用csv模块读取了一个名为data.csv的CSV文件，然后将数据转换为numpy数组。接着，我们将特征和标签分离，并使用KNeighborsClassifier类创建了一个K-最近邻分类器。最后，我们用fit方法训练分类器，并用predict方法对新样本进行预测。