k plus proches voisins

import matplotlib.pyplot as plt
import csv
from math import sqrt
from random import *

def affichage_iris(tab:list):
    '''
    ne rien toucher à cette fonction
    '''
    x0,x1,x2=[],[],[]
    y0,y1,y2=[],[],[]
    esp=[]

    for i in range (1,len(tab)):
        if tab[i][2]==0:
            x0.append(tab[i][0])
            y0.append(tab[i][1])
        if tab[i][2]==1:
            x1.append(tab[i][0])
            y1.append(tab[i][1])
        if tab[i][2]==2:
             x2.append(tab[i][0])
             y2.append(tab[i][1])
    plt.axis('equal')
    plt.scatter(x0, y0, color='r', label='iris setosa')
    plt.scatter(x1, y1, color='g', label='iris versicolor')
    plt.scatter(x2, y2, color='b', label='iris virginica')
    plt.legend()
    axes = plt.gca()
    axes.set_xlabel('longueur des pétales')
    axes.set_ylabel('largeur des pétales')
    axes.legend()
    plt.show()


def recup_donnees(nomDeFichier)->list:
    '''
    à partir du nom de fichier, cette fonction récupère les données et les renvoie sous forme de tableau de tableaux
    ne rien toucher à cette fonction
    '''
    iris=[]
    with open(nomDeFichier,'r',encoding='utf-8') as f:
        lecteur=csv.reader(f,delimiter=',')
        for row in lecteur:
            iris.append(row)
        for i in range (1,len(iris)):
            for j in range(2):
                iris[i][j]=float(iris[i][j])
            iris[i][2]=int(iris[i][j])
        return iris

def mini_iris(tab:list):
    '''
    recherche le minimu et enlève l'élément du tableau de tableaux
    renvoie le minimum et le tableau de tableaux modifié
    '''
    min=100000
    indicemin=0
    for i in range (len(tab)):
        if tab[i][3] < min:
            min=tab[i][3]
            indicemin=i
    min=tab.pop(indicemin)
    return min,tab

def distance(x1:float,y1:float,x2:float,y2:float)->float:
    '''
    calcule la "distance" entre deux iris
    '''
    return sqrt((x2-x1)**2+(y2-y1)**2)

def kppv_iris(iris:list, larg:float,haut:float,nbvoisins:int)-> list:
    '''
    recherche des nbvoisins les plus proches pour déterminer l'espèce de l'iris donc les pétales mesurent larg x haut.
    Une fois l'espèce déterminée, le nouvel iris est ajouté au tableau iris qui est renvoyé modifié en fin de fonction.
    '''
    #copie du tableau de tableaux iris dans le tableau de tableaux iris_kppv
    iris_kppv=[[iris[i][j] for j in range(3)]for i in range(1,len(iris))]

    #calcul des distances à toutes les autres fleurs et stockage dans le tableau de tableaux iris_kppv
    for i in range (0,len(iris_kppv)):
        iris_kppv[i].append(distance(larg,haut,iris_kppv[i][0],iris_kppv[i][1]))

    #recherche des k voisins les plus proches
    voisins=[]
    for i in range (nbvoisins):
        voisin_proche,iris_kppv=mini_iris(iris_kppv)
        voisins.append(voisin_proche)

    #recherche de l'espèce majoritaire des k voisins
    #le tableau espece va contenir l'effectif de chaque espèce : espece[0]->setosa ; espece[1]->versicolor ; espece[2]->virginica
    espece=[0,0,0]
    #on parcourt le tableau de tableaux contenant les proches voisins
    for i in range (len(voisins)):
        if voisins[i][2]==0:
            espece[0]+=1
        if voisins[i][2]==1:
            espece[1]+=1
        if voisins[i][2]==2:
            espece[2]+=1

    #ajout de l'iris inconnu au tableaua de taableaux "iris"
    iris.append([larg,haut,espece.index(max(espece))])

    return iris
#####################################################

#récupération des données
fleurs=recup_donnees('iris.csv')

#application de l'algorithme des k plus proches voisins

#fleurs=kppv_iris(fleurs,5.5,1.95,5)

test=[[randint(100,700)/100,randint(0,300)/100] for i in range (1000)]

shuffle(test)

for i in range (1000):
    fleurs=kppv_iris(fleurs,test[i][0],test[i][1],5)



#affichage des données
affichage_iris(fleurs)