# function.py
import numpy as np
import os
from collections import Counter
"""
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 = "202210423107"
name = "刘燚燊"


def load_data(directory):
    """
    读取训练集或测试集的数字图像，转换为矩阵格式。
    Args:
        directory (str): 数据集文件夹路径
    Returns:
        dataSet (list): 图像数据集
        labels (list): 对应的标签
    """
    dataSet = []
    labels = []
    
    # 遍历文件夹中的每个文件
    for filename in os.listdir(directory):
        if filename.endswith('.txt'):
            # 将文件名的前缀（如 '9_45.txt' 的 '9'）作为标签
            label = int(filename.split('_')[0])
            labels.append(label)
            
            # 读取文件内容并转换为一维数组
            filepath = os.path.join(directory, filename)
            with open(filepath, 'r') as file:
                data = file.read().replace('\n', '')
                data_vector = np.array([int(pixel) for pixel in data])
                dataSet.append(data_vector)
    
    return np.array(dataSet), np.array(labels)

def classify(input_vector, dataSet, labels, k=3):
    """
    使用kNN算法进行分类
    Args:
        input_vector (ndarray): 待分类样本
        dataSet (ndarray): 训练数据集
        labels (ndarray): 训练集标签
        k (int): 选择的邻居数
    Returns:
        int: 预测的分类标签
    """
    # 计算输入向量和训练集所有样本的欧氏距离
    distances = np.linalg.norm(dataSet - input_vector, axis=1)
    
    # 获取距离最近的 k 个样本的索引
    k_neighbors_indices = distances.argsort()[:k]
    
    # 获取这些样本对应的标签
    k_neighbors_labels = labels[k_neighbors_indices]
    
    # 使用投票机制决定分类
    most_common_label = Counter(k_neighbors_labels).most_common(1)[0][0]
    
    return most_common_label