# -*- coding: utf-8 -*-
#pip install numpy
import os
import os.path
from numpy import *
import operator
import time
from os import listdir
 
"""
描述：
  KNN算法實現分類器
參數：
  inputPoint：測試集
  dataSet：訓練集
  labels：類別標簽
  k:K個鄰居
返回值：
  該測試數據的類別
"""
def classify(inputPoint,dataSet,labels,k):
  dataSetSize = dataSet.shape[0] #已知分類的數據集（訓練集）的行數
  #先tile函數將輸入點拓展成與訓練集相同維數的矩陣，再計算歐氏距離
  diffMat = tile(inputPoint,(dataSetSize,1))-dataSet #樣本與訓練集的差值矩陣
 
  # print(inputPoint);
  sqDiffMat = diffMat ** 2 #sqDiffMat 的數據類型是nump提供的ndarray,這不是矩陣的平方，而是每個元素變成原來的平方。
  sqDistances = sqDiffMat.sum(axis=1)  #計算每一行上元素的和
  # print(sqDistances);
  distances = sqDistances ** 0.5   #開方得到歐拉距離矩陣
  # print(distances);
  sortedDistIndicies = distances.argsort() #按distances中元素進行升序排序后得到的對應下標的列表,argsort函數返回的是數組值從小到大的索引值
  # print(sortedDistIndicies);
 
  # classCount數據類型是這樣的{0: 2, 1: 2}，字典key：value
  classCount = {}
  # 選擇距離最小的k個點
  for i in range(k):
    voteIlabel = labels[ sortedDistIndicies[i] ]
    # print(voteIlabel)
    # 類別數加1
    classCount[voteIlabel] = classCount.get(voteIlabel,0)+1
  print(classCount)# {1: 1, 7: 2}
  #按classCount字典的第2個元素（即類別出現的次數）從大到小排序
  sortedClassCount = sorted(classCount.items(), key = operator.itemgetter(1), reverse = True)
  print(sortedClassCount)# [(7, 2), (1, 1)]
  return sortedClassCount[0][0]
 
"""
描述：
  讀取指定文件名的文本數據，構建一個矩陣
參數：
  文本文件名稱
返回值：
  一個單行矩陣
"""
def img2vector(filename):
 returnVect = []
 fr = open(filename)
 for i in range(32):
  lineStr = fr.readline()
  for j in range(32):
   returnVect.append(int(lineStr[j]))
 return returnVect
 
"""
描述：
  從文件名中解析分類數字，比如由0_0.txt得知這個文本代表的數字分類是0
參數：
  文本文件名稱
返回值：
  一個代表分類的數字
"""
def classnumCut(fileName):
  fileStr = fileName.split('.')[0]
  classNumStr = int(fileStr.split('_')[0])
  return classNumStr
 
"""
描述：
  構建訓練集數據向量，及對應分類標簽向量
參數：
  無
返回值：
  hwLabels：分類標簽矩陣
  trainingMat：訓練數據集矩陣
"""
def trainingDataSet():
  hwLabels = []
  trainingFileList = listdir('trainingDigits')   #獲取目錄內容
  m = len(trainingFileList)
  # zeros返回全部是0的矩陣，參數是行和列
  trainingMat = zeros((m,1024))    #m維向量的訓練集
  for i in range(m):
    # print (i);
    fileNameStr = trainingFileList[i]
    hwLabels.append(classnumCut(fileNameStr))
    trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr)
  return hwLabels,trainingMat
 
"""
描述：
  主函數，最終打印識別了多少個數字以及識別的錯誤率
參數：
  無
返回值：
  無
"""
def handwritingTest():
  """
  hwLabels,trainingMat 是標簽和訓練數據，
  hwLabels 是一個一維矩陣，代表每個文本對應的標簽（即文本所代表的數字類型）
  trainingMat是一個多維矩陣，每一行都代表一個文本的數據，每行有1024個數字（0或1）
  """
  hwLabels,trainingMat = trainingDataSet() #構建訓練集
  testFileList = listdir('testDigits') #獲取測試集
  errorCount = 0.0    #錯誤數
  mTest = len(testFileList)    #測試集總樣本數
  t1 = time.time()
  for i in range(mTest):
    fileNameStr = testFileList[i]
    classNumStr = classnumCut(fileNameStr)
    # img2vector返回一個文本對應的一維矩陣，1024個0或者1
    vectorUnderTest = img2vector('testDigits/%s' % fileNameStr)
    #調用knn算法進行測試
    classifierResult = classify(vectorUnderTest, trainingMat, hwLabels, 3)
    # 打印測試出來的結果和真正的結果，看看是否匹配
    print ("the classifier came back with: %d, the real answer is: %d" % (classifierResult, classNumStr))
    # 如果測試出來的值和原值不相等，errorCount+1
    if (classifierResult != classNumStr):
      errorCount += 1.0
  print("\nthe total number of tests is: %d" % mTest)   #輸出測試總樣本數
  print ("the total number of errors is: %d" % errorCount )  #輸出測試錯誤樣本數
  print ("the total error rate is: %f" % (errorCount/float(mTest))) #輸出錯誤率
  t2 = time.time()
  print ("Cost time: %.2fmin, %.4fs."%((t2-t1)//60,(t2-t1)%60) ) #測試耗時
 
"""
描述：
  指定handwritingTest（）為主函數
"""
if __name__ == "__main__":
 handwritingTest()