import numpy as np
from collections import Counter

"""
挑战说明:
- 自行编写实现 KNN 分类算法。
- 函数输入: 待分类的样本 inX, 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:
- 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。
- 在 function.py 中实现 KNN 分类算法。
- 自动评测脚本仅会加载 classify0 函数，请勿修改函数名。
- 训练集在本目录下的 datingTrainSet2.tsv 中。
- 评测数据集在本目录下的 datingTestSet2.tsv 中。

挑战环境:
- 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 = "202210423126"
name = "邓杰元"


"""
参数说明:
- inX (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。
"""

def classify0(inX, dataSet, labels, k=20):
    """
    KNN 分类算法。
    
    Args:
    - inX (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，默认值为 20。
    
    Returns:
    - int: 预测的分类标签。
    """
    # 计算输入向量与训练集中每个样本的欧氏距离
    distances = np.sqrt(np.sum((dataSet - inX) ** 2, axis=1))
    
    # 获取距离最小的 k 个样本的索引
    k_indices = np.argsort(distances)[:k]
    
    # 获取这 k 个样本的标签
    k_nearest_labels = labels[k_indices]
    
    # 找出出现次数最多的标签
    most_common = Counter(k_nearest_labels).most_common(1)
    
    # 返回出现次数最多的标签
    return most_common[0][0]


def load_data(file_path):
    """
    加载 TSV 格式数据文件。
    
    Args:
    - file_path (str): 数据文件路径。
    
    Returns:
    - features (numpy array): 数据特征矩阵。
    - labels (numpy array): 数据对应的标签。
    """
    data = np.loadtxt(file_path, delimiter="\t")
    features = data[:, :-1]
    labels = data[:, -1].astype(int)
    return features, labels


if __name__ == "__main__":
    # 测试代码，可以自行修改和测试

    train_file = "datingTrainSet2.tsv"
    test_file = "datingTestSet2.tsv"

    train_data, train_labels = load_data(train_file)
    test_data, test_labels = load_data(test_file)

    # 测试 classify0 函数
    # 注意：这里只是演示，实际评测会使用独立的测试集
    print(classify0([65915, 3.868359, 0.128078], train_data, train_labels))