# function.py
import numpy as np
import os

"""
实验说明:
- 自行编写实现数据加载与 kNN 的手写数字分类算法。
- 函数输入: 待分类的样本 input_vector, 训练数据集 dataSet, 训练集对应的标签 labels。
- 函数返回: 预测的分类标签。

注意事项:
- 在 function.py 中实现 kNN 分类算法。
- 可以自行导入其他库，需要在 requirements.txt 添加依赖，若未在 requirements.txt 中添加使用到的依赖，则无法自动评测，成绩为零。
- 自动评测脚本仅会加载 classify 和 load_data 函数，请勿修改函数名。
- 训练集和测试集需手动下载解压，并放入当前目录下。

测评环境:
- CPU: Intel Xeon(R) CPU E3-1231 v3 @ 3.40GHz
- OS: Ubuntu 22.04.4 LTS
- Python: 3.10.12
- numpy: 2.1.1
"""


"""
请在这里填写学号和姓名，不填写即成绩无效。
"""
id = "202210423222"
name = "邓龙树"


"""
参数说明:
- input_vector (numpy array): 输入待分类的样本。
- dataSet (numpy array): 训练数据集。
- labels (list or numpy array): 训练集对应的标签。
- k (int): kNN 算法参数，请**自行设置默认值**，评测时仅会使用其默认值，不修改默认值将**无法通过**评测，**成绩为零**。
返回值:
- int: 预测的分类标签。
"""


# 这里写自己的代码实现
import numpy as np
import os
from collections import Counter

def classify(input_vector, dataSet, labels, k=1):  # 设置默认值 k=1
    """使用 KNN 算法对输入样本进行分类。"""
    # 计算输入向量与训练集之间的欧氏距离
    distances = np.linalg.norm(dataSet - input_vector, axis=1)
    # 根据距离排序并获取索引
    sorted_indices = distances.argsort()
    # 选择距离最近的k个点
    k_nearest_labels = labels[sorted_indices[:k]]
    # 统计k个点中各类别的数量
    count = Counter(k_nearest_labels)
    # 返回数量最多的类别标签
    return count.most_common(1)[0][0]

def load_dataset(directory):
    """加载数据集中的图像，并将其转换为特征向量和标签。"""
    # 初始化特征数据列表和标签列表
    feature_list = []
    label_list = []
    # 遍历目录中的所有文件
    for file in os.listdir(directory):
        # 获取文件的完整路径
        file_path = os.path.join(directory, file)
        # 将图像文件转换为向量
        feature_vector = img_to_vector(file_path)
        # 将特征向量添加到列表中
        feature_list.append(feature_vector)
        # 获取文件名中的标签并添加到标签列表中
        label_list.append(int(file.split('_')[0]))
    # 将特征列表和标签列表转换为numpy数组
    feature_matrix = np.array(feature_list)
    label_array = np.array(label_list)
    return feature_matrix, label_array

def img_to_vector(filename):
    """将二值图像转换为向量。"""
    # 读取文件内容并转换为整数数组
    with open(filename, 'r') as file:
        lines = file.readlines()
    # 将每行的数字字符转换为整数，并使用 NumPy 的 reshape 方法转换为一维数组
    vector = np.array([int(char) for line in lines for char in line.strip()]).reshape(1024,)
    return vector

if __name__ == "__main__":
    # 以下代码可用于测试，可自行随意修改
    train_data, train_labels = load_dataset("trainingDigits")

    test_data = (
        "00000000000000110000000000000000"
        # ... (省略中间的行以节省空间)
        "00000000000000000111100000000000"
    )
    predicted_label = classify(
        np.array([int(char) for char in test_data]).reshape(1, 1024),
        train_data,
        train_labels,
    )

    print(f"预测的标签: {predicted_label}")