BUC冰川算法的python实现

1.测试数据生成

#生成数据的方法
def dataInit():
    a=['a1','a2','a3','a4','a5']
    b=['b1','b2','b3','b4']
    c=['c1','c2','c3']
    d=['d1','d2']
    dataList=[]
    for i in range(21):
        ax=random.randint(0,4)
        bx=random.randint(0,3)
        cx=random.randint(0,2)
        dx=random.randint(0,1)
        data=[a[ax],b[bx],c[cx],d[dx]]
        dataList.append(data)
    #print(dataList)
    dataList=DataFrame(dataList)
    dataList.to_csv('data.csv',index=False,encoding="utf_8_sig")

#生成数据如下
'''
a1,b3,c1,d2
a2,b4,c1,d2
a4,b2,c1,d2
a1,b2,c1,d2
a1,b2,c1,d1
a5,b1,c1,d1
a5,b4,c3,d2
a5,b3,c2,d2
a2,b1,c3,d1
a1,b3,c3,d1
a4,b3,c1,d2
a3,b3,c1,d1
a5,b4,c2,d1
a2,b4,c1,d2
a1,b2,c3,d2
a2,b3,c2,d1
a5,b4,c3,d1
a3,b2,c1,d1
a3,b1,c2,d1
a1,b1,c2,d2
a3,b2,c3,d1
'''

2.数据预处理

dataList=pd.read_csv('data.csv')
#print(dataList)
#print(dataList.columns.size)
#计算每个维度的取值个数
#计算每个维度的取值集合
lenN=dataList.columns.size
numOfALL=[0]*lenN
#[5,4,3,2]
valueOfAll=[]
#[[a1,a2....],[b1,b2...]]
for j in range(lenN):
    valueOfSingle=[]  #单个维度的取值
    for i in range(len(dataList)):
        if dataList.iloc[i, j] not in valueOfSingle:
            valueOfSingle.append(dataList.iloc[i, j])
    valueOfAll.append(valueOfSingle)
    numOfALL[j]=len(valueOfSingle)

print(valueOfAll)
print(numOfALL)

 

3.BUC算法实现

def BUC(tempList,n,curN,min_sup=3):   #curN代表当前维度游标，最小支持度设为3
    if curN==n:
        return   #退出递归

    for i in range(numOfALL[curN]):
        tempList.append(valueOfAll[curN][i])
        #print(tempList)
        #print(count(tempList,dataList))
        if count(tempList,dataList)>=min_sup:
            #if tempList not in result: #查重
            print("%s  :%d" %(str(tempList),count(tempList,dataList)))
            BUC(tempList,n,curN+1)  #加一维度递归调用
            #tempList.pop()   #记得删除temp
        tempList.pop()

    #划分放弃该维度  AB,ABC,ABCD,ABD走完之后走AC
    #即对下一维进行划分
    BUC(tempList,n,curN+1)


#计算list出现次数
def count(list,data):
    number=0
    for i in range(len(data)):
        isIn=True
        for j in range(len(list)):
            #print(type(data.iloc[i]))#series对象
            #print(data.iloc[i].tolist())
            if list[j] not in data.iloc[i].tolist():  #将series对象转list才能not in
                isIn=False
                break
        if isIn:
            number=number+1
    return number

if __name__=='__main__':
    BUC([], 4, 0)

4.输出划分结果