# 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 = "202210423215"
name = "章程鸿·"


"""
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
import numpy as np  
import os  
from collections import Counter  
from scipy.spatial import distance  
  
# 这里写自己的代码实现  
def classify(input_vector, dataSet, labels, k=3):  # 默认 k 值设为 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。  
    """  
    # 计算输入样本与训练样本之间的欧氏距离  
    distances = distance.cdist(dataSet, input_vector, 'euclidean').flatten()  
      
    # 获取距离最近的 k 个训练样本的索引  
    k_indices = np.argsort(distances)[:k]  
      
    # 获取这些样本的标签  
    k_nearest_labels = [labels[i] for i in k_indices]  
      
    # 返回出现最多的标签  
    most_common = Counter(k_nearest_labels).most_common(1)  
    return most_common[0][0]  
  
# 这里也写自己的代码实现  
def load_dataset(directory):  
    """  
    从文件夹中加载数据，并转换为特征向量和标签。  
  
    Args:  
    - directory (str): 数据文件夹路径。  
  
    Returns:  
    - np.array: 特征数据。  
    - np.array: 标签数据。  
    """  
    hw_labels = []  
    training_files = os.listdir(directory)  
    m = len(training_files)  
      
    # 初始化特征数据矩阵  
    training_data = np.zeros((m, 1024))  
      
    for i in range(m):  
        file_name_str = training_files[i]  
        file_str = file_name_str.split('.')[0]  # 去掉文件扩展名  
        class_num_str = int(file_str.split('_')[0])  # 提取标签  
        hw_labels.append(class_num_str)  
          
        # 调用 img_to_vector 函数将图像转换为向量  
        training_data[i, :] = img_to_vector(os.path.join(directory, file_name_str))  
      
    return training_data, np.array(hw_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。  
  
    Args:  
    - filename (str): 图像文件路径。  
  
    Returns:  
    - np.array: 二值图像向量。  
    """  
    # 打开文件并读取图像数据  
    with open(filename, 'r') as f:  
        return np.array([[int(char) for char in line] for line in f.readlines()]).flatten()  

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}")