Part3-Chapter12-使用FP-growth算法来高效发现频繁项集②

上一节我们学习了如果构建FP树，这一节介绍如何利用FP树挖掘频繁项集。
利用FP树我们已经找到了一棵树中所有只包含一个数据的频繁项集，和Apriori算法的思路类似，接下来我们要找到包含多个数据的频繁项集。与之不同的是，这里我们将使用FP树，而不是原始数据集。
首先介绍一个概念，条件模式基：以所查找的单元数据为结尾的路径集合。这里指的路径是前缀路径，即介于所查找单元数据与根结点之间的所有内容。
首先我们遍历每个只含一个数据的频繁项集，寻找其条件模式基，然后利用其条件模式基构建一棵FP树，称之为条件FP树。若树中有结点，则说明该数据可以和另外的数据组合构成新的频繁项集。于是我们将条件FP树和它的头指针表作为输入，递归地构建条件FP树，直到枚举完所有单元数据。代码如下：

#寻访根结点
#leafNode:非根结点
#prefixPath：前缀路径
def ascendTree(leafNode,prefixPath):
    #若仍未寻访至根结点
    if leafNode.parent != None:
        #添加当前结点至路径
        prefixPath.append(leafNode.name)
        #继续迭代
        ascendTree(leafNode.parent,prefixPath)

#获得前缀路径
def findPrefixPath(treeNode):
    #condPats：前缀路径dict
    condPats = {}
    #当还未遍历完所有当前类型的单元数据
    while treeNode != None:
        #前缀路径列表
        prefixPath = []
        #寻找路径
        ascendTree(treeNode,prefixPath)
        #若当前结点有父结点&#x