import numpy as np
import os
from scipy.spatial import KDTree

"""
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 = "202210423117"
name = "程悦"


def classify(input_vector, dataSet, labels, k=5):
    """
    KNN 分类算法。

    Args:
    - 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**。

    Returns:
    - int: 预测的分类标签。
    """
    kdtree = KDTree(dataSet)
    distances, indices = kdtree.query(input_vector, k=k)
    k_nearest_labels = [labels[i] for i in indices]
    unique_labels, counts = np.unique(k_nearest_labels, return_counts=True)
    return unique_labels[np.argmax(counts)]


def img_to_vector(filename):
    """
    将二值图像转换为向量。
    该部分应为 load_dataset 函数的辅助子函数，可单独在这里实现，也可直接集成至 load_dataset 函数中。

    Args:
    - filename (str): 图像文件路径。

    Returns:
    - np.array: 二值图像向量。
    """
    with open(filename, 'r') as f:
        lines = f.readlines()
        return np.array([int(char) for line in lines for char in line.strip()])


def load_dataset(directory):
    """
    从文件夹中加载数据，若不自行正确实现，则无法通过评测，**不记录成绩**。

    Args:
    - directory (str): 数据文件夹路径。

    Returns:
    - np.array: 特征数据。
    - np.array: 标签数据。
    """
    data = []
    labels = []
    for filename in os.listdir(directory):
        if filename.endswith(".txt"):
            label = int(filename[0])
            vector = img_to_vector(os.path.join(directory, filename))
            data.append(vector)
            labels.append(label)
    return np.array(data), np.array(labels)

def load_test_dataset(directory):
    return load_dataset(directory)

def calculate_accuracy():
    train_data, train_labels = load_dataset("trainingDigits")
    test_data, test_labels = load_test_dataset("testDigits")
    correct_count = 0
    for i in range(len(test_data)):
        predicted_label = classify(test_data[i].reshape(1, 1024), train_data, train_labels)
        if predicted_label == test_labels[i]:
            correct_count += 1
    accuracy = correct_count / len(test_data)
    print(f"分类精度: {accuracy}")

def test_different_k():
    train_data, train_labels = load_dataset("trainingDigits")
    test_data, test_labels = load_test_dataset("testDigits")
    k_values = [1, 3, 5, 7, 9]
    for k in k_values:
        correct_count = 0
        for i in range(len(test_data)):
            predicted_label = classify(test_data[i].reshape(1, 1024), train_data, train_labels, k=k)
            if predicted_label == test_labels[i]:
                correct_count += 1
        accuracy = correct_count / len(test_data)
        print(f"k = {k}时的分类精度: {accuracy}")

if __name__ == "__main__":
    # 测试不同k值的分类精度
    test_different_k()
    # 计算分类精度
    calculate_accuracy()