# coding=utf-8
import operator
from math import log
import time
import load_bigcsv as ls
# import load_csv as ls
def createDataSet（）:
dataSet = [[1 1 ‘yes‘]
[1 1 ‘yes‘]
[1 0 ‘no‘]
[0 1 ‘no‘]
[0 1 ‘no‘]]
labels = [‘no surfaceing‘ ‘flippers‘]
return dataSet labels
# 计算香农熵
def calcShannonEnt（dataSet）:
numEntries = len（dataSet）
labelCounts = {}
for feaVec in dataSet:
currentLabel = feaVec[-1]
if currentLabel not in labelCounts:
labelCounts[currentLabel] = 0
labelCounts[currentLabel] += 1
shannonEnt = 0.0
for key in labelCounts:
prob = float（labelCounts[key]） / numEntries
shannonEnt -= prob * log（prob 2）
return shannonEnt
def splitDataSet（dataSet axis value）:
retDataSet = []
for featVec in dataSet:
if featVec[axis] == value:
reducedFeatVec = featVec[:axis]
reducedFeatVec.extend（featVec[axis + 1:]）
retDataSet.append（reducedFeatVec）
return retDataSet
def chooseBestFeatureToSplit（dataSet）:
numFeatures = len（dataSet[0]） - 1 # 因为数据集的最后一项是标签
baseEntropy = calcShannonEnt（dataSet）
bestInfoGain = 0.0
bestFeature = -1
for i in range（numFeatures）:
featList = [example[i] for example in dataSet]
uniqueVals = set（featList）
newEntropy = 0.0
for value in uniqueVals:
subDataSet = splitDataSet（dataSet i value）
prob = len（subDataSet） / float（len（dataSet））
newEntropy += prob * calcShannonEnt（subDataSet）
infoGain = baseEntropy - newEntropy
if infoGain > bestInfoGain:
bestInfoGain = infoGain
bestFeature = i
return bestFeature
# 因为我们递归构建决策树是根据属性的消耗进行计算的，所以可能会存在最后属性用完了，但是分类
# 还是没有算完，这时候就会采用多数表决的方式计算节点分类
def majorityCnt（classList）:
classCount = {}
for vote in classList:
if vote not in classCount.keys（）:
classCount[vote] = 0
classCount[vote] += 1
return max（classCount）
def createTree（dataSet labels）:
classList = [example[-1] for example in dataSet]
if classList.count（classList[0]） == len（classList）: # 类别相同则停止划分
return classList[0]
if len（dataSet[0]） == 1: # 所有特征已经用完
return majorityCnt（classList）
bestFeat = chooseBestFeatureToSplit（dataSet）
bestFeatLabel = labels[bestFeat]
myTree = {bestFeatLabel: {}}
del（labels[bestFeat]）
featValues = [example[bestFeat] for example in dataSet]
uniqueVals = set（featValues）
for value in uniqueVals:
subLabels = labels[:] # 为了不改变原始列表的内容复制了一下
myTree[bestFeatLabel][value] = createTree（splitDataSet（dataSet
bestFeat value） subLabels）
return myTree
def main（）:
# data label = createDataSet（）
data = ls.data2.tolist（）
label = ls.label
# print（type（data））
# print（type（label））
t1 = t 属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2019-07-23 16:47 seventh_homework\
目录 0 2018-12-11 23:19 seventh_homework\7_guanlianguice\
目录 0 2018-12-05 21:42 seventh_homework\7_guanlianguice\Bigmart\
文件 3474 2018-10-10 23:47 seventh_homework\7_guanlianguice\Bigmart\read.txt
文件 85268 2018-10-10 23:24 seventh_homework\7_guanlianguice\Bigmart\SampleSubmission_TmnO39y.csv
文件 527709 2018-10-10 23:18 seventh_homework\7_guanlianguice\Bigmart\Test_u94Q5KV.csv
文件 869537 2018-10-10 23:18 seventh_homework\7_guanlianguice\Bigmart\Train_UWu5bXk.csv
目录 0 2018-12-05 21:42 seventh_homework\7_guanlianguice\black_friday\
文件 2009 2018-10-10 23:39 seventh_homework\7_guanlianguice\black_friday\readme.txt
文件 29 2018-10-10 23:35 seventh_homework\7_guanlianguice\black_friday\Sample_Submission_Tm9Lura.csv
文件 9598228 2015-11-20 00:45 seventh_homework\7_guanlianguice\black_friday\test.csv
文件 25525678 2015-11-20 00:47 seventh_homework\7_guanlianguice\black_friday\train.csv
文件 18939 2018-12-11 18:15 seventh_homework\7_guanlianguice\daima.docx
文件 3478 2018-12-11 18:12 seventh_homework\7_guanlianguice\jueceshu.py
文件 1628 2018-12-11 18:14 seventh_homework\7_guanlianguice\load_bigcsv.py
文件 1690 2018-12-11 18:08 seventh_homework\7_guanlianguice\load_csv.py
目录 0 2018-12-11 21:53 seventh_homework\7_guanlianguice\pict\
文件 80381 2018-12-11 21:01 seventh_homework\7_guanlianguice\pict\bigmart_10data.png
文件 52375 2018-12-11 21:02 seventh_homework\7_guanlianguice\pict\bigmart_all_data.png
文件 327607 2018-12-11 16:30 seventh_homework\7_guanlianguice\pict\black_10.png
文件 34241 2018-12-11 21:03 seventh_homework\7_guanlianguice\pict\black_100.png
文件 68786 2018-12-11 21:05 seventh_homework\7_guanlianguice\pict\black_1000.png
文件 88850 2018-12-11 21:04 seventh_homework\7_guanlianguice\pict\black_10000.png
文件 12070 2018-12-11 21:03 seventh_homework\7_guanlianguice\pict\black关键属性.png
文件 171499 2018-12-11 21:22 seventh_homework\7_guanlianguice\pict\black处理后数据.png
文件 11897 2018-12-11 21:00 seventh_homework\7_guanlianguice\pict\Mart关键属性.png
文件 91050 2018-12-11 16:32 seventh_homework\7_guanlianguice\pict\Screenshot from 2018-12-11 16-32-03.png
文件 85403 2018-12-11 21:15 seventh_homework\7_guanlianguice\pict\数据1.png
文件 58939 2018-12-11 21:21 seventh_homework\7_guanlianguice\pict\数据10.png
文件 79858 2018-12-11 21:17 seventh_homework\7_guanlianguice\pict\数据2.png
文件 17647 2018-12-11 21:17 seventh_homework\7_guanlianguice\pict\数据34.png
............此处省略14个文件信息