尝试在代码框中执行以下内容：
在上节学习之后，尝试将上节的代码封装成一个函数，实现KNN算法便捷调用

第一步： 构建数据集，提取出特征和标签「同上节」

import numpy as np
import pandas as pd

# 训练数据
rowdata = {'酒精浓度':[14.23,13.2,13.16,14.37,13.24,12.07,12.43,11.79,12.37,12.04],
          '颜色深度':[5.64,4.38,5.68,4.80,4.32,2.76,3.94,3.  ,2.12,2.6 ],
          '品种':[0,0,0,0,0,1,1,1,1,1]}

# 0 代表 “黑皮诺”，1 代表 “赤霞珠” 
new_data = np.array([12.8,4.1])

# 将数据保存成DataFrame
wine_data = pd.DataFrame(rowdata)

第二步： 将上述过程封装成一个函数

### 形成最终的KNN分类器
def KNN(wine_data ,  new_data ,  k = 3):
    """创建KNN分类器
    wine_data: 原始数据集
    new_data: 新的样本点
    k: 取的最近邻的样本个数"""
    X = wine_data.iloc[:, :2]
    d = np.sqrt(np.sum((X - new_data)**2 ,  axis= 1))
    topk = np.argsort(d)[:k]
    # 从数据中提取出6, 1, 4 对应的target, 然后进行统计
    topk_num = wine_data.iloc[topk, -1]

    # 得到最终分类结果
    result = topk_num.value_counts().index[0]
    return "最终分类结果为:"+str(result)

第三步： 调用自编函数，输出分类结果

print(KNN(wine_data , new_data ,  k=3))