import numpy as np

"""
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 normalize(dataSet):
    """
    对数据进行归一化处理，使每个特征都在相同的范围内。
    Args:
    - dataSet (numpy array): 原始数据集。

    Returns:
    - normDataSet (numpy array): 归一化后的数据集。
    - ranges (numpy array): 每个特征的范围。
    - minVals (numpy array): 每个特征的最小值。
    """
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    ranges = maxVals - minVals
    normDataSet = (dataSet - minVals) / ranges
    return normDataSet, ranges, minVals


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]
    
    # 手动实现一个计数器，统计每个标签出现的次数
    label_count = {}
    for label in k_nearest_labels:
        if label in label_count:
            label_count[label] += 1
        else:
            label_count[label] = 1
    
    # 找出出现次数最多的标签
    max_count = -1
    most_common_label = None
    for label, count in label_count.items():
        if count > max_count:
            max_count = count
            most_common_label = label
    
    # 返回出现次数最多的标签
    return most_common_label


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)
    
    # 对训练集和测试集进行归一化
    norm_train_data, ranges, minVals = normalize(train_data)
    norm_test_data = (test_data - minVals) / ranges
    
    errors = 0  # 用于统计错误分类的样本数量
  
    # 对测试集中的样本进行预测
    for i in range(len(norm_test_data)):
        predicted_label = classify0(norm_test_data[i], norm_train_data, train_labels, k=20)
        print(f"样本 {i+1}: 预测标签: {predicted_label}, 实际标签: {test_labels[i]}")
        if predicted_label != test_labels[i]:
            errors += 1
    
    # 输出错误率
    error_rate = errors / len(test_data)
    print(f"错误分类的样本数: {errors}")
    print(f"错误率: {error_rate * 100:.2f}%")