こんにちは！初投稿させていただきます．

今回はk近傍法をsklearnを使わず行う方法を解説します．

使うデータとしてはsklearnに内蔵されているdigitデータです．

k.py

import numpy as np
import pandas as pd
import collections
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report, accuracy_score, confusion_matrix

# データのロード
digits = datasets.load_digits()

# 特徴量
image = digits.images
total , x , y = image.shape 
image = np.reshape( image , [total,x*y] )

# 目的変数
label = digits.target

# 学習データ，テストデータ
train_data, test_data, train_label, test_label = train_test_split(image, label, test_size=0.5, random_state=None)

# テストデータ数
testcount = test_label.shape[0]

# 予測結果を格納する配列
all_label=[]
#k近傍法のkの指定
mk=int(input())


#テストデータの繰り返しの準備
for i in range(len(test_data)):
    #あるテストデータにおける最近傍を求めるためのデータフレームの準備
    output=pd.DataFrame(columns=['index','ans'])
    #学習データの繰り返しの準備
    for j in range(len(train_data)):
        #あるテストデータと学習データの距離を格納するための変数ans
        ans=0
        #あるテストデータと学習データの距離を調べるfor文
        for k in range(len(train_data[0,:])):
            ans+=(train_data[j,k]-test_data[i,k])**2
        #outputに各学習データのindexとあるテストデータとの距離を格納
        number = pd.Series([int(j),ans],index=output.columns)
        output = output.append(number, ignore_index=True)
    #outputを距離で昇順に並べる
    output = output.sort_values('ans')
    #距離で昇順に並べたあとのindexを格納するリストkkk
    kkk=[]
    #距離で昇順に並べたあとのindexから学習データの中のラベルを調べるfor文
    for l in range(mk):
        kkk.append(train_label[int(output.iat[l,0])])
    #ラベルを調べた後にその中にどの値が最も多いのか（最頻値）を調べてkkkに格納
    kk = collections.Counter(kkk).most_common()[0][0]
    #ラベルを結果に格納する
    all_label.append(kk)


        
        


#念の為の正解率や混合行列の結果

#予測結果
print( classification_report(test_label, all_label) )

#正解率
print( accuracy_score(test_label, all_label) )

#混同行列
print( confusion_matrix(test_label, all_label) )

ぜひ，ご自分でも加工して作ってみてください！！
これを学ぶだけでもpythonの中身がわかっていい勉強になると思います．