# function.py
import numpy as np
import os
from collections import Counter

"""
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。
"""

"""
请在这里填写学号和姓名，不填写即成绩无效。
"""
id = "202210423208"
name = "刘义天"

def classify(input_vector, dataSet, labels, k=3):
    """
    使用kNN算法分类。

    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。
    """
    # 计算欧式距离
    distances = np.linalg.norm(dataSet - input_vector, axis=1)
    # 获取距离最小的k个样本的索引
    nearest_indices = distances.argsort()[:k]
    # 获取这k个样本的标签
    nearest_labels = [labels[i] for i in nearest_indices]
    # 统计每个标签的频率，选择出现频率最高的标签作为预测结果
    most_common_label = Counter(nearest_labels).most_common(1)[0][0]
    
    return most_common_label

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。
    """
    labels = []
    data_matrix = []

    for file_name in os.listdir(directory):
        if file_name.endswith('.txt'):
            # 获取标签（文件名的第一个字符是标签）
            label = int(file_name.split('_')[0])
            labels.append(label)
            
            # 读取文件内容并转换为1x1024的特征向量
            file_path = os.path.join(directory, file_name)
            with open(file_path, 'r') as f:
                # 32x32的图像转化为1x1024的向量
                image_vector = np.array([int(char) for line in f for char in line.strip()])
                data_matrix.append(image_vector)

    return np.array(data_matrix), np.array(labels)

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:
        image_vector = np.array([int(char) for line in f for char in line.strip()])
    return image_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}")