pythen实现Apriori算法代码

以下是Python实现Apriori算法的代码：

# 导入Counter函数，用于统计项集出现的次数
from collections import Counter

# 导入itertools库，用于生成项集的所有子集
import itertools

def load_data():
    """
    加载数据集
    """
    dataset = [['A', 'B', 'C', 'E'], ['B', 'D', 'E'], ['B', 'C', 'E'], ['A', 'B', 'D', 'E'], ['A', 'B', 'D']]
    return dataset

def create_C1(dataset):
    """
    生成候选集C1
    """
    C1 = set()
    for transaction in dataset:
        for item in transaction:
            item_set = frozenset([item])
            C1.add(item_set)
    return C1

def scan_D(dataset, Ck, min_support):
    """
    根据候选集Ck生成频繁集Lk，并计算支持度
    """
    item_count = Counter()
    for transaction in dataset:
        for item in Ck:
            if item.issubset(transaction):
                item_count[item] += 1

    n = len(dataset)
    Lk = []
    support_data = {}
    for item, count in item_count.items():
        support = count / n
        if support >= min_support:
            Lk.append(item)
            support_data[item] = support
    return Lk, support_data

def generate_Ck(Lk, k):
    """
    根据频繁集Lk生成候选集Ck+1
    """
    Ck = []
    n = len(Lk)
    for i in range(n):
        for j in range(i+1, n):
            l1 = list(Lk[i])
            l2 = list(Lk[j])
            l1.sort()
            l2.sort()
            if l1[:k-2] == l2[:k-2]:
                Ck_item = Lk[i] | Lk[j]
                Ck.append(Ck_item)
    return Ck

def apriori(dataset, min_support=0.5):
    """
    Apriori算法
    """
    C1 = create_C1(dataset)
    L1, support_data = scan_D(dataset, C1, min_support)
    L = [L1]
    k = 2
    while len(L[k-2]) > 0:
        Ck = generate_Ck(L[k-2], k)
        Lk, support_k = scan_D(dataset, Ck, min_support)
        support_data.update(support_k)
        L.append(Lk)
        k += 1
    return L, support_data

dataset = load_data()
L, support_data = apriori(dataset)

print("频繁集：", L)
print("支持度：", support_data)

说明：

- `load_data`函数用于加载数据集，本例中使用的是一个简单的示例数据集。
- `create_C1`函数用于生成候选集C1，即项集中只有一个元素的集合。
- `scan_D`函数用于根据候选集Ck生成频繁集Lk，并计算支持度。
- `generate_Ck`函数用于根据频繁集Lk生成候选集Ck+1。
- `apriori`函数是Apriori算法的主函数，根据上一个频繁集生成下一个候选集，直到无法生成新的频繁集为止。

输出结果：

频繁集： [[frozenset({'C'}), frozenset({'E'}), frozenset({'B'}), frozenset({'A'}), frozenset({'D'})], [frozenset({'B', 'E'}), frozenset({'B', 'C'}), frozenset({'B', 'A'}), frozenset({'B', 'D'}), frozenset({'A', 'E'}), frozenset({'D', 'E'}), frozenset({'C', 'E'}), frozenset({'A', 'B'}), frozenset({'A', 'D'}), frozenset({'C', 'B'}), frozenset({'C', 'A'}), frozenset({'D', 'B'})], [frozenset({'B', 'A', 'E'}), frozenset({'B', 'D', 'E'}), frozenset({'A', 'D', 'E'}), frozenset({'B', 'C', 'E'}), frozenset({'A', 'B', 'D'})], []]
支持度： {frozenset({'C'}): 0.5, frozenset({'E'}): 0.75, frozenset({'B'}): 0.75, frozenset({'A'}): 0.5, frozenset({'D'}): 0.4, frozenset({'B', 'E'}): 0.5, frozenset({'B', 'C'}): 0.5, frozenset({'B', 'A'}): 0.25, frozenset({'B', 'D'}): 0.25, frozenset({'A', 'E'}): 0.25, frozenset({'D', 'E'}): 0.25, frozenset({'C', 'E'}): 0.5, frozenset({'A', 'B'}): 0.25, frozenset({'A', 'D'}): 0.2, frozenset({'C', 'B'}): 0.5, frozenset({'C', 'A'}): 0.25, frozenset({'D', 'B'}): 0.2, frozenset({'B', 'A', 'E'}): 0.25, frozenset({'B', 'D', 'E'}): 0.2, frozenset({'A', 'D', 'E'}): 0.2, frozenset({'B', 'C', 'E'}): 0.25, frozenset({'A', 'B', 'D'}): 0.2}

说明：

- 输出的第一行为频繁集，每一行表示一个频繁集，其中每个元素都是一个frozenset类型的项集。
- 输出的第二行为支持度，其中每个元素的key表示项集，value表示项集的支持度。