11111

动手实现Apriori算法
def createC1(dataset):
    C1 = set()
    for t in dataset:
        for item in t:
            item_set = frozenset([item])
            C1.add(item_set)
    return C1

def scanD(D, ck, minsupport):
    ssCnt = {}
    for tid in D:
        for can in ck:
            if can.issubset(tid):
                if can not in ssCnt.keys():
                    ssCnt[can] = 1
                else:
                    ssCnt[can] += 1
    numItems = len(D)
    reList = []
    supportData = {}
    for key in ssCnt:
        support = ssCnt[key]/numItems
        if support >= minsupport:
            reList.insert(0, key)
        supportData[key] = support
    return reList, supportData

def aprioriGen(Lk, k):
    retList = []
    lenLk = len(Lk)
    for i in range(lenLk):
        for j in range(i+1, lenLk):
            L1 = list(Lk[i])[k:-2]
            L2 = list(Lk[j])[:k-2]
            if L1 == L2:
                retList.append(Lk[i] | Lk[j])
    return retList

def apriori(dataSet, minsupport=0.5):
    ‘’’
    apriori算法
    :param dataSet: 原始数据集
    :param minsupport: 最小支持度阈值
    :return: 候选频繁项集列表，所有候选频繁项集的支持度(包括低于阈值的)，类型为 (list, dict)
    ‘’’
    #Begin#
    C1 = createC1(dataSet)
    D = list(map(set, dataSet))
    L1, supportData = scanD(D, C1, minsupport)
    L =[L1]
    k=2
    while (len(L[k-2])>0):
        Ck = aprioriGen(L[k - 2], k)
        Lk, supK = scanD(D, Ck, minsupport)
        supportData.update(supK)
        L.append(Lk)
        k += 1 
    return L, supportData

#End#

从频繁项集中挖掘关联规则
from utils import apriori, aprioriGen

def calcConf(freqSet, H, supportData, brl, minConf = 0.7):
    prunedH = []
    for conseq in H:
        conf = supportData[freqSet]/supportData[freqSet - conseq]
    if conf >= minConf and conf!=1:
        brl.append((freqSet - conseq, conseq, conf))
        prunedH.append(conseq)
    return prunedH

def ruleFromConseq(freqSet, H, supportData, brl, minConf = 0.7):
    m = len(H[0])
    if len(freqSet) > m+1:
        Hmp1 = aprioriGen(H, m+1)
        Hmp1 = calcConf(freqSet, Hmp1, supporData, brl, minConf)
        if len(Hmp1) > 1:
            ruleFromConseq(freqSet, Hmp1, supportData, brl, minConf)

def getSubset(fromList, toList):
    for i in range(len(fromList)):
        t = [fromList[i]]
        tt = frozenset(set(fromList) - set(t))
        if not tt in toList:
            toList.append(tt)
            tt = list(tt)
            if len(tt) > 1:
                getSubset(tt, toList)

def generateRules(dataset, minsupport, minConf):
    ‘’’
    生成关联规则，可以使用apriori函数获得数据集中的频繁项集列表与支持度
    :param dataset:数据集，类型为list
    :param minsupport:最小支持度，类型为float
    :param minConf:最小可信度，类型为float
    :return:关联规则列表，类型为list
    ‘’’
    #Begin#
    L, supportData = apriori(dataset, minsupport)
    bigRuleList = []
    for i in range(1, len(L)): 
        for freqSet in L[i]:
            H1 = [] #对每个频繁项集构了,建只包含单个元素的集合,即可以出现在规则右边
            for item in freqSet:
                H1.append(frozenset([item]))
            if (i > 1):
                H1 = calcConf(freqSet,H1,supportData,bigRuleList,minConf)
                #包含三个及以上元素的频繁集
                rulesFromConseq(freqSet,H1,supportData,bigRuleList,minConf)
            else:
                #包含两个元素的频繁集
                calcConf(freqSet,H1,supportData,bigRuleList,minConf)
    return bigRuleList

#End#

超市购物清单关联规则分析
from utils import generateRules
import pandas as pd
dic={‘yogurt’:1, ‘pork’:2, ‘sandwich bags’:3, ‘lunch meat’:4, ‘all- purpose’:5, ‘flour’:6, ‘soda’:7, ‘butter’:8, ‘vegetables’:9, ‘beef’:10, ‘aluminum foil’:11, ‘dinner rolls’:12, ‘shampoo’:13, ‘mixes’:14, ‘soap’:15, ‘laundry detergent’:16, ‘ice cream’:17, ‘toilet paper’:18, ‘hand soap’:19, ‘waffles’:20, ‘cheeses’:21, ‘milk’:22, ‘dishwashing liquid/detergent’:23, ‘individual meals’:24, ‘cereals’:25, ‘tortillas’:26, ‘spaghetti sauce’:27, ‘ketchup’:28, ‘sandwich loaves’:29, ‘poultry’:30, ‘bagels’:31, ‘eggs’:32, ‘juice’:33, ‘pasta’:34, ‘paper towels’:35, ‘coffee/tea’:36, ‘fruits’:37, ‘sugar’:38}

def genRules(data_path, min_support, min_conf):
    ‘’’
    对文件路径为data_path的数据进行关联规则挖掘
    :param data_path: 数据集路径
    :param min_support: 最小支持度
    :param min_conf: 最小置信度
    :return:关联规则信息，类型为list
    ‘’’
    # Begin#
    data = pd.read_csv(data_path)
    data[‘good’] = data[‘good’].apply(lambda x:’,’+x)
    data = data.groupby(‘id’).sum().reset_index()
    data[‘good’] = data[‘good’].apply(lambda x :[x[1:]])
    data_list = list(data[‘good’])
    data_translation = []
    for i in data_list:
        p = i[0].split(’,’)
        a = []
        for j in p:
            a.append(dic.get(j))
        data_translation.append(a)
    rule = generateRules(data_translation,min_support, min_conf)
    return rule
    #End#