Python两步实现关联规则Apriori算法，参考机器学习实战，包括频繁项集的构建以及关联规则的挖掘

这是我学习了关联规则Apriori算法原理后参照《机器学习实战》实现的算法代码，首先分为两个部分，第一部分是频繁项集的构建，第二部分是关联规则的挖掘。特别的是我的测试数据也就是loadDataSet()函数中的数据进行了改变，这是为了能帮助理解第二部分。然后代码中我加了很多为了让自己理解的输出测试，保留在里面，应该也能帮助大家理解

一、构建频繁项集（注释都在代码中了）

from numpy import *

def loadDataSet():
    return [[1, 3, 4,6,7], [2, 3, 4,5,6,7], [1, 2, 3, 5,7], [2,4, 5,6],[3,4,5,6,7]]

def createC1(dataSet):
    C1 = []
    for transaction in dataSet:
        for item in transaction:
            if not [item] in C1:
                C1.append([item])
                
    C1.sort()
    return map(frozenset, C1)#use frozen set so we can use it as a key in a dict    

def scanD(D, Ck, minSupport):
    ssCnt = {
   }
    for tid in D:
        for can in Ck:
            if can