# function.py
import numpy as np
import os

"""
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 = "202210423221"
name = "廖子豪"


"""
参数说明:
- 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**。
返回值:
- int: 预测的分类标签。
"""


# 这里写自己的代码实现
def classify(input_vector, dataSet, labels, k_values=[1,31]):
    """
    KNN 加权投票分类算法，针对多个k值进行预测，并选出不同k值下得票最多的类别。

    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_values (list of int): 多个kNN 算法的k值列表。

    Returns:
    - int: 预测的分类标签（基于多个k值投票的结果）。
    """
    num_samples = dataSet.shape[0]  # 读取样本数量

    # step 1: 计算欧式距离
    diff = np.tile(input_vector, (num_samples, 1)) - dataSet  # 元素逐个相减
    squared_diff = diff ** 2  # 平方
    squared_dist = np.sum(squared_diff, axis=1)  # 按行求和
    distance = squared_dist ** 0.5  # 计算欧式距离

    # step 2: 对距离进行排序，返回排序后的索引
    sorted_dist_indices = np.argsort(distance)

    # 保存每个k值对应的预测结果
    vote_results = []

    for k in k_values:
        class_count = {}  # 定义一个空字典

        for i in range(k):
            # step 3: 选择距离最小的k个样本
            vote_label = labels[sorted_dist_indices[i]]
            dist = distance[sorted_dist_indices[i]]

            # step 4: 使用距离倒数作为权重（避免除0，设置一个最小距离）
            weight = 1 / (dist + 1e-5)  # 添加一个小常数避免除以0

            # step 5: 进行加权投票
            class_count[vote_label] = class_count.get(vote_label, 0) + weight

        # step 6: 找到加权后得票最多的类别作为该k值的预测结果
        max_vote = max(class_count, key=class_count.get)
        vote_results.append(max_vote)

    # step 7: 对所有k值的预测结果进行投票，统计出现次数最多的标签
    final_vote_count = {}
    for result in vote_results:
        final_vote_count[result] = final_vote_count.get(result, 0) + 1

    # step 8: 返回得票最多的类别作为最终分类结果
    final_result = max(final_vote_count, key=final_vote_count.get)
    return final_result


# 这里也写自己的代码实现
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。
    """
    """
        从文件夹中加载数据。

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

        Returns:
        - np.array: 特征数据。
        - np.array: 标签数据。
        """
    labels = []
    file_list = os.listdir(directory)
    num_samples = len(file_list)
    dataset = np.zeros((num_samples, 1024))

    for i, filename in enumerate(file_list):
        label = int(filename.split("_")[0])  # 从文件名中提取标签
        labels.append(label)
        dataset[i, :] = img_to_vector(os.path.join(directory, filename))

    return dataset, np.array(labels)

# 这里还写自己的代码实现
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。
    """
    rows = 32
    columns = 32
    img_vector = np.zeros((1, rows * columns))
    file_in = open(filename)
    for row in range(rows):
        line_str = file_in.readline()
        for col in range(columns):
            img_vector[0, row * 32 + col] = int(line_str[col])

    return img_vector

if __name__ == "__main__":
    # 以下代码可用于测试，可自行随意修改
    train_data, train_labels = load_dataset("trainingDigits")

    test_data = (
        "00000000000000110000000000000000"
        "00000000000011111000000000000000"
        "00000000000011111100000000000000"
        "00000000001111111110000000000000"
        "00000000001111111110000000000000"
        "00000000001111111100000000000000"
        "00000000011111111000000000000000"
        "00000000111111111000000000000000"
        "00000000111111110000000000000000"
        "00000000111111110000000000000000"
        "00000000111111110000000000000000"
        "00000000111111110000000000000000"
        "00000000111111100000000000000000"
        "00000001111111100000000000000000"
        "00000001111111100000000000000000"
        "00000001111111100000000000000000"
        "00000001111111111111000000000000"
        "00000001111111111111111000000000"
        "00000001111111111111111100000000"
        "00000011111111111111111110000000"
        "00000011111111111111111110000000"
        "00000001111111111111111110000000"
        "00000001111111111111111110000000"
        "00000000111111111100111111100000"
        "00000000111111111000111111100000"
        "00000000011111111001111111100000"
        "00000000011111111111111111000000"
        "00000000001111111111111111000000"
        "00000000000111111111111111000000"
        "00000000000011111111111100000000"
        "00000000000001111111110000000000"
        "00000000000000000111100000000000"
    )
    predicted_label = classify(
        np.array([int(char) for char in test_data]).reshape(1, 1024),
        train_data,
        train_labels,
    )

    print(f"预测的标签: {predicted_label}")