# function.py
import numpy as np
from collections import Counter
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=3):
    """
    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，默认值为 3。

    Returns:
    - int: 预测的分类标签。
    """
    # 计算输入向量与数据集中每个向量之间的欧几里得距离
    distances = np.sqrt(np.sum((input_vector - dataSet) ** 2, axis=1))
    
    # 获取距离最小的k个样本的索引
    k_indices = np.argsort(distances)[:k]
    
    # 获取这些样本对应的标签
    k_nearest_labels = labels[k_indices]
    
    # 使用Counter统计这些标签中出现次数最多的标签
    label_count = Counter(k_nearest_labels)
    
    # 返回出现次数最多的标签
    return label_count.most_common(1)[0][0]

# 这里也写自己的代码实现
def img_to_vector(filename):
    """
    将二值图像转换为向量。
    
    Args:
    - filename (str): 图像文件路径。
    
    Returns:
    - np.array: 二值图像向量。
    """
    return np.array([int(char) for line in open(filename) for char in line.strip()])

def load_dataset(directory):
    """
    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。
    """
    images = []
    labels = []
    
    # 遍历目录中的所有子目录
    for label_dir in os.listdir(directory):
        # 构建完整的子目录路径
        label_dir_path = os.path.join(directory, label_dir)
        
        # 确保是目录而不是文件
        if os.path.isdir(label_dir_path):
            # 遍历目录中的所有文件
            for filename in os.listdir(label_dir_path):
                # 构建完整的文件路径
                file_path = os.path.join(label_dir_path, filename)
                
                # 读取文件内容并转换为向量
                image_vector = img_to_vector(file_path)
                
                # 添加向量和标签到列表中
                images.append(image_vector)
                labels.append(int(label_dir))
    
    # 将列表转换为 NumPy 数组
    return np.array(images), np.array(labels)

# 示例用法
if __name__ == "__main__":
    train_dir = "trainingDigits"  # 训练集目录
    test_dir = "testDigits"  # 测试集目录
    
    train_images, train_labels = load_dataset(train_dir)
    test_images, test_labels = load_dataset(test_dir)
    
    print("训练集特征形状：", train_images.shape)
    print("训练集标签形状：", train_labels.shape)
    print("测试集特征形状：", test_images.shape)
    print("测试集标签形状：", test_labels.shape)


# 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。
    
    Args:
    - filename (str): 图像文件路径。
    
    Returns:
    - np.array: 二值图像向量。
    """
    with open(filename, 'r') as file:
        # 读取文件的每一行
        lines = file.readlines()
        
        # 初始化一个空列表来存储向量
        vector = []
        
        # 遍历每一行，将每个字符转换为整数并添加到列表中
        for line in lines:
            vector.extend([int(pixel) for pixel in line.strip()])
    
    # 将列表转换为 NumPy 数组并返回
    return np.array(vector)

# 示例用法
if __name__ == "__main__":
    # 假设有一个图像文件路径
    filename = "path_to_your_image_file.txt"
    
    # 调用函数并打印结果
    image_vector = img_to_vector(filename)
    print("图像向量:", image_vector)
    print("向量形状:", image_vector.shape)


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}")