#?-*-?coding:?utf-8?-*-
“““
Created?on?Mon?Apr?16?09:55:00?2018

@author:?wzh
“““
#導入需要的模塊

import?pandas?as?pd
import?numpy?as?np

#函數定義

def?createC1（dataSet）:
????“““利用原始數據生成1項集（包含一個元素的子集）
????dataSet為我們需要輸入的原始數據“““
????C0=[]
????for?transaction?in?dataSet:
????????for?item?in?transaction:?
????????????if?not?[item]?in?C0:
????????????????C0.append（[item]）
????
????C0.sort（）
????C1?=?list（map（frozensetC0））?#將C1.list每個元素轉換為hashable的frozenset
????return?C1

def?scanD（DckminSupport）:
????“““掃描之前得到的k項集（包含k個元素的子集），輸出支持度大于最小支持度的頻繁k項集（最小支持度用來控制最后輸出的總數據量）和頻繁k項集的支持度
????D為我們的原始數據，ck為之前得到的k項集，minSupport為我們希望用來控制數據量的最小支持度“““
????ssCnt={}?#新建字典存儲k項集和每個k項集出現的頻率
????for?tid?in?D:
????????for?can?in?ck:
????????????if?can.issubset（tid）:
????????????????if?can?in?ssCnt:
????????????????????ssCnt[can]?+=?1
????????????????else:?
????????????????????ssCnt[can]?=?1
????
????numItem=float（len（D））
????retList=[]
????supportData={}?#計算k項集的支持度，判斷是否大于最小支持度
????for?key?in?ssCnt:
????????support=ssCnt[key]/numItem
????????if?support>=minSupport:
????????????retList.insert（0key）
????????????supportData[key]=support
????????????
????return?retListsupportData#返回頻繁k項集，相應支持度

def?aprioriGen（Lkk）:
????“““利用遞推的方法，利用k-1項集的并集來生成k項集
????Lk為我們輸入的k-1項集“““
????retList=[]
????lenLk=len（Lk）
????for?i?in?range（lenLk）:
????????for?j?in?range（i+1lenLk）:
????????????L1=list（Lk[i]）[:k-2]
????????????L2=list（Lk[j]）[:k-2]
????????????L1.sort（）
????????????L2.sort（）#排序
????????????if?L1==L2:#比較ij前k-1個項若相同，和合并它倆
????????????????retList.append（Lk[i]?|?Lk[j]）#加入新的k項集?
????return?retList

def?apriori（dataSetminSupport）:
????“““Apriori算法的主要邏輯函數，利用遞推生成我們需要的所有頻繁項集，并計算其支持度
????dataSet為原始數據，minSupport為最小支持度“““
????C1=createC1（dataSet）
????D=list（map（setdataSet））
????L1supportData=scanD（DC1minSupport）#利用k項集生成頻繁k項集（即滿足最小支持率的k項集）
????L=[L1]#L保存所有頻繁項集
????
????k=2
????while（len（L[k-2]）>0）:#直到頻繁k-1項集為空
????????Ck=aprioriGen（L[k-2]k）#利用頻繁k-1項集?生成k項集
????????LksupK=?scanD（DCkminSupport）?#從k項集中篩選出頻繁k項集
????????supportData.update（supK）#保存新的頻繁項集與其支持度
????????L.append（Lk）#保存頻繁k項集
????????k+=1
????return?LsupportData#返回所有頻繁項集，與其相應的支持度

def?calcConf（freqSetHsupportDatabrlminConf=0.1）:
????“““計算并輸出我們需要的各個項集的關聯關系，即置信度
????freqSet為我們要處理的單個頻繁集，H為可以用來修建freqSet的所有子集構成的列表
????supportData為之前得到的存儲頻繁項集和相應支持度的字典，brl為已有的規則集
????minConf為控制輸出數據量的最小支持度，我們這里將其定為0.1“““
????prunedH=[]
????for?conseq?in?H:#后件中的每個元素
????????conf=supportData[freqSet]/supportData[freqSet-conseq]
????????if?conf>=minConf:
????????????print?（freqSet-conseq‘-->‘conseq‘conf:‘conf）
????????????brl.append（（freqSet-conseqconseqconf））#添加入規則集中
????????????prunedH.append（conseq）#添加入被修剪過的H中
????return?prunedH?#?返回修建后的子集列表

def?rulesFromConseq（freqSetHsupportDatabrlminConf=0.1）:?
????“““遞歸邏輯函數，對于我們所有的頻繁集，計算其和其修剪后的子集之間的置信度
????freqSet為我們要處理的單個頻繁集，H為可以用來修建freqSet的所有子集構成的列表
???