import numpy as np
import os
from collections import Counter
from sklearn.preprocessing import MinMaxScaler

"""
请在这里填写学号和姓名，不填写即成绩无效。
"""
id = "202210423210"
name = "陈宇杰"

"""
函数名称: load_data
功能: 加载训练数据集和测试数据集。
参数:
- directory (str): 包含手写数字图像的文件夹路径。
返回值:
- dataSet (numpy array): 训练数据集或测试数据集，shape 为 (m, 1024)。
- labels (numpy array): 训练集或测试集对应的标签，shape 为 (m,)。
"""
def load_data(directory):
    file_list = os.listdir(directory)
    data_matrix = []
    labels = []
    
    for file_name in file_list:
        file_path = os.path.join(directory, file_name)
        # 读取txt文件并将其转化为向量
        vector = img_to_vector(file_path)
        data_matrix.append(vector)
        # 假设文件名格式为：{数字}_某些字符.txt，提取数字作为标签
        label = int(file_name.split('_')[0])
        labels.append(label)
    
    return np.array(data_matrix), np.array(labels)

"""
函数名称: img_to_vector
功能: 将32x32的二值图像转换为1x1024的向量。
参数:
- file_path (str): 图像文件的路径。
返回值:
- vector (numpy array): 转换后的1x1024的向量。
"""
def img_to_vector(file_path):
    vector = np.zeros((1, 1024))
    with open(file_path, 'r') as f:
        lines = f.readlines()
        for i in range(32):
            for j in range(32):
                vector[0, 32 * i + j] = int(lines[i][j])
    return vector

"""
函数名称: classify
功能: 使用kNN算法对输入样本进行分类。
参数:
- input_vector (numpy array): 输入待分类的样本，shape 为 (1024,)。
- dataSet (numpy array): 训练数据集，shape 为 (m, 1024)。
- labels (list or numpy array): 训练集对应的标签，shape 为 (m,)。
- k (int): kNN 算法的参数，默认值为3。
返回值:
- int: 预测的分类标签。
"""
def classify(input_vector, dataSet, labels, k=3):
    # 计算欧氏距离
    distances = np.linalg.norm(dataSet - input_vector, axis=1)
    # 获取距离最近的k个样本的标签
    nearest_neighbors = np.argsort(distances)[:k]
    nearest_labels = labels[nearest_neighbors]
    
    # 确保 nearest_labels 是一维的，转换为 Python 列表
    nearest_labels = nearest_labels.flatten().tolist()
    
    # 投票，返回出现次数最多的标签
    most_common = Counter(nearest_labels).most_common(1)
    return most_common[0][0]

"""
函数名称: normalize_data
功能: 对数据进行归一化处理，将特征缩放到相同范围，通常是 [0, 1]。
参数:
- dataSet (numpy array): 需要归一化的训练数据集或测试数据集。
返回值:
- normalized_dataSet (numpy array): 归一化后的数据集。
"""
def normalize_data(dataSet):
    # 将数据集 reshape 成二维数组
    num_samples = dataSet.shape[0]
    dataSet_reshaped = dataSet.reshape(num_samples, -1)
    
    # 对数据进行归一化处理
    scaler = MinMaxScaler()
    return scaler.fit_transform(dataSet_reshaped)

"""
实验主程序:
- 加载训练集和测试集。
- 测试 kNN 算法的分类效果，并计算分类精度。
"""
def main():
    # 加载训练集和测试集
    training_data, training_labels = load_data('trainingDigits')
    test_data, test_labels = load_data('testDigits')
    
    # 归一化数据
    training_data = normalize_data(training_data)
    test_data = normalize_data(test_data)

    # 测试 kNN 算法
    total_tests = len(test_data)
    correct_predictions = 0

    for i in range(total_tests):
        test_sample = test_data[i]
        prediction = classify(test_sample, training_data, training_labels, k=3)
        actual_label = test_labels[i]

        print(f"测试样本 {i+1}: 预测值 = {prediction}, 实际值 = {actual_label}")

        if prediction == actual_label:
            correct_predictions += 1

    accuracy = correct_predictions / total_tests * 100
    print(f"\n分类精度: {accuracy:.2f}%")

if __name__ == '__main__':
    main()