# function.py
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 = "202210423211"
name = "梅晓东"


"""
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。
"""


# 这里写自己的代码实现
def classify0(inX, dataSet, labels, k=0):
    """
    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，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。
    """
    # function.py
import numpy as np
import pandas as pd
from collections import Counter

# 确保填写自己的学号和姓名
# 学号: YOUR_STUDENT_ID
# 姓名: YOUR_NAME

def classify(inx, dataset, labels, k=3):
    """
    使用kNN算法对输入样本进行分类。

    :param inx: 要分类的输入样本（1D数组）
    :param dataset: 训练数据集（2D数组）
    :param labels: 训练集对应的标签（1D数组）
    :param k: 最近邻居的数量
    :return: 输入样本的预测标签
    """
    
    # 将输入转换为numpy数组以便于操作
    dataset = np.array(dataset)
    labels = np.array(labels)
    inx = np.array(inx)

    # 计算输入样本与所有样本的距离
    distances = np.linalg.norm(dataset - inx, axis=1)

    # 获取最近k个邻居的索引
    k_indices = np.argsort(distances)[:k]

    # 获取这k个邻居的标签
    k_nearest_labels = labels[k_indices]

    # 使用多数投票确定预测标签
    most_common = Counter(k_nearest_labels).most_common(1)
    return most_common[0][0]

# 测试代码示例（可选择性运行）
if __name__ == "__main__":
    # 加载训练数据集
    train_data = pd.read_csv('datingTrainset2.tsv', sep='\t')
    train_labels = train_data['label'].values  # 替换'label'为你的实际标签列名
    train_features = train_data.drop('label', axis=1).values  # 删除标签列

    # 加载测试数据集
    test_data = pd.read_csv('datingTestset2.tsv', sep='\t')
    test_labels = test_data['label'].values  # 替换'label'为你的实际标签列名
    test_features = test_data.drop('label', axis=1).values  # 删除标签列

    # 示例：对一个样本进行分类
    sample = test_features[0]  # 使用测试集中第一个样本
    predicted_label = classify(sample, train_features, train_labels, k=3)
    print(f"Predicted label: {predicted_label}")



def load_data(file_path):
    """
    加载 TSV 格式数据文件。
    """
    data = np.loadtxt(file_path, delimiter="\t")
    features = data[:, :-1]
    labels = data[:, -1].astype(int)
    return features, labels


if __name__ == "__main__":
    # 以下代码可用于测试，可自行随意修改

    train_file = "datingTrainSet2.tsv"

    train_data, train_labels = load_data(train_file)

    print(classify0([65915, 3.868359, 0.128078], train_data, train_labels))