# 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 = "202210423103"
name = "王坤"


"""
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 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，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。
    """
    # 计算输入向量与训练集中每个样本的欧氏距离
    distances = np.linalg.norm(dataSet - input_vector, axis=1)

    # 按照距离从小到大排序并获取前k个距离最小的索引
    sorted_indices = distances.argsort()[:k]

    # 统计前k个最近邻的标签
    nearest_labels = [labels[i] for i in sorted_indices]

    # 返回出现次数最多的标签
    predicted_label = max(set(nearest_labels), key=nearest_labels.count)

    return predicted_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。
    """
    # 获取目录下所有文件名
    file_list = os.listdir(directory)

    # 初始化数据集矩阵和标签列表
    num_files = len(file_list)
    data_set = np.zeros((num_files, 1024))  # 每个样本是1024维的向量
    labels = []

    # 逐个文件处理
    for i, file_name in enumerate(file_list):
        # 提取标签，假设文件名格式为 '数字_XXX.txt'
        label = int(file_name.split('_')[0])
        labels.append(label)

        # 将图像文件转换为向量并存入数据集
        data_set[i, :] = img_to_vector(os.path.join(directory, file_name))

    return data_set, 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。
    """
    # 初始化一个1024维的向量
    vector = np.zeros(1024)
    with open(filename, 'r') as f:
        for row in range(32):
            line = f.readline()
            for col in range(32):
                vector[row * 32 + col] = int(line[col])  # 将每行的字符转换为整数并存储
    return vector

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(classify([65915, 3.868359, 0.128078], train_data, train_labels))