FP-growth算法 python实现（代码详解）
输出成《数据挖掘概念与技术 第三版》中表6.2的样子。
1.输出结果
2.代码：
# 1、定义 FP树：节点结构；树的相关操作
class treeNode:
def __init__(self, nameValue, num, parentNode):
self.name = nameValue #节点名字
self.count = num #节点计数值
self.nodeLink = None #用于连接树之间相同的元素项
self.parent = parentNode
self.children = {} #子节点
def addnum(self, num):
'''
对count变量增加给定值
'''
self.count += num
# 2、构造FP树
def createTree(dataSet, minSup=2):
'''
:param dataSet: 输入的字典型数据
:param minSup: 最小支持度计数
:return: FP树、头指针表
'''
headerTable = {} # 用来存储头指针表
# 第一次扫描数据集,获得频繁一项集
for trans in dataSet: # 计算item出现频数
for item in trans:
headerTable[item] = headerTable.get(item, 0) + dataSet[trans]
headerTable = {k:v for k,v in headerTable.items() if v >= minSup} # 字典存储了项、支持度计数
# for k, v in headerTable.items():
# if v>=minSup:
# headerTable[k]=v
freqItemSet = set(headerTable.keys()) # 单个项的集合
if len(freqItemSet) == 0:
return None, None # 如果没有元素项满足要求，则退出
for k in headerTable:
headerTable[k] = [headerTable[k], None] # 初始化headerTable，字典类型:{'l1':[4,header]}
# 第二次扫描数据集
retTree = treeNode('Null Set', 1, None) # 创建树
for tranSet, count in dataSet.items():
localD = {}
for item in tranSet:
if item in freqItemSet: # 不在频繁一项集的元素去掉
localD[item] = headerTable[item][0] #
if len(localD) > 0:
orderedItems = [v[0] for v in sorted(localD.items(), key=lambda p: p[1], reverse=True)] # 对事务内元素项排序
updateTree(orderedItems, retTree, headerTable, count) # 将排序后的item集合填充的树中
return retTree, headerTable #返回树型结构和头指针表
def updateTree(items, inTree, headerTable, count):
'''
:param items: 列表：存储顺序的元素项
:param inTree: 根节点
:param headerTable: 头指针表
:param count: 原字典数据相同事务项的数量
:return: 无返回值。作用：构造完树和头指针表。（会修改原字典、列表）
'''
if items[0] in inTree.children:#检查第一个元素项是否作为子节点存在
inTree.children[items[0]].addnum(count) #存在，更新计数
else: #不存在，创建一个新的treeNode,将其作为一个新的子节点加入其中
inTree.children[items[0]] = treeNode(items[0], count, inTree)
if headerTable[items[0]][1] == None: #更新头指针表
headerTable[items[0]][1] = inTree.children[items[0]]
else:
updateHeader(headerTable[items[0]][1], inTree.children[items[0]]) # items[0]:'l1'
if len(items) > 1: # 不断迭代调用自身，每次调用都会删掉列表中的第一个元素
updateTree(items[1::], inTree.children[items[0]], headerTable, count)
def updateHeader(nodeToTest, targetNode):
'''
更新头指针表，确保节点链接指向树中该元素项的每一个实例
(指针表中存放的是树节点：treeNode,利用属性nodelink进行连接)
'''
while (nodeToTest.nodeLink != None):
nodeToTest = nodeToTest.nodeLink
nodeToTest.nodeLink = targetNode
# 3、挖掘FP树
def digTree(headerTable):
'''
:param headerTable: 头指针表
:return: 返回条件FP树（子树）
'''
tiaojiantree = [] # 列表：存储条件FP树
headersort = sorted(headerTable.items(), key=lambda p: p[1][0]) # 从小到大对头指针表排序，生成的是三维列表
# print(headersort)
# input()
namelist=[i[0] for i in headersort] # 存储所有单元素项的名字
for k in namelist:
treeNode = headerTable[k][1]
if treeNode.children=={}: #
while treeNode != None:
prefixPath = []
nlist = []
nodedic = {}
searchTreePlus(treeNode, prefixPath, nlist)
for i in range(len(nlist)):
nodedic[prefixPath[i]] = nlist[i] # 构造字典：存储条件模式基
tiaojiantree.append(nodedic)
treeNode = treeNode.nodeLink # 换到树内相同元素项节点，继续回溯，找条件模式基。
return tiaojiantree
# 回溯条件模式基的FP树
def searchTreePlus(leafNode, prefixPath,nlist):
if leafNode.parent != None:
prefixPath.append(leafNode.name)
nlist.append(leafNode.count)
searchTreePlus(leafNode.parent, prefixPath,nlist)
def ascendTree(leafNode, prefixPath): #迭代上溯整棵树
if leafNode.parent != None:
prefixPath.append(leafNode.name)
ascendTree(leafNode.parent, prefixPath)
def findPrefixPath(basePat, treeNode):
'''
:param basePat:（暂不用）
:param treeNode: 要求上溯的子节点
:return: 条件模式基
'''
condPats = {}
while treeNode != None:
prefixPath = []
ascendTree(treeNode, prefixPath)
if len(prefixPath) > 1:
condPats[tuple(prefixPath[1:])] = treeNode.count # 构造字典：存储条件模式基
treeNode = treeNode.nodeLink # 换到树内相同元素项节点，继续回溯，找条件模式基。
return condPats
#构建一个集合的所有子集，利用二进制法
def PowerSetsBinary(items):
N = len(items)
b = []
for i in range(2 ** N): # 子集个数，每循环一次一个子集
combo = []
for j in range(N): # 用来判断二进制下标为j的位置数是否为1
if (i >> j) % 2:
combo.append(items[j])
b.append(combo)
# print(b)
# input()
return b[1::] # 将空集筛掉
# 构造频繁项集
#通过条件PF树的非空子集+项，构建频繁项集
def frequentItems(item, retList):
'''
:param item:
:param retList: 嵌套字典的列表
:return: 产生的频繁项集
'''
res = {} # 存储频繁项集
for i in retList: # i:字典 {’l2‘:2,'l1':2}
key = [k for k in i.keys()]
value = [v for v in i.values()]
subSet = PowerSetsBinary(key)
for subList in subSet:
subList.append(item) # 子集与’l5‘拼接。
for j in range(len(subSet)):
if tuple(subSet[j]) in res: # 频繁项集字典中已经有了该子集，数量相加
res[tuple(subSet[j])] += res[tuple(subSet[j])]
else: # 没有该子集
if j < len(subSet) - 1: # j=len(subSet) - 1时，集合是全集
res[tuple(subSet[j])] = i[key[j]] # key[j]:'l'
else:
res[tuple(subSet[j])] = min(value) # 此时，添加最长的项集
print('产生的频繁项集', res)
def mineTree( headerTable, minSup, preFix, freqItemList):
'''
:param headerTable:头指针表,字典结构{'l1'：[6,header])}
:param minSup: 最小支持度
:param preFix:集合：
:param freqItemList:列表：
:return:无返回值，打印要求的数据
'''
headersort=sorted(headerTable.items(), key=lambda p: p[1][0]) # 按支持度计数从小到大对字典排序，生成列表。
bigL=[] # ['l5', 'l4', 'l1', 'l3', 'l2']
for v in headersort:
bigL.append(v[0]) # 列表存储单项的名字
# print(bigL)
# input()
for basePat in bigL[:-1]: # 从教材上的头指针表的底端开始,特别注意：表中最后一个元素项 l2 的条件模式基是空，所以遍历时把它去掉。
print ('项: ',basePat) #添加的频繁项列表
condPattBases = findPrefixPath(basePat, headerTable[basePat][1]) # 获取条件模式基
print ('条件模式基：', condPattBases)
# 2.从条件模式基创建条件FP树
myCondTree, myHead = createTree(condPattBases, minSup)
# myCondTree.disp(1)
# input()
FPtreedic=digTree(myHead)
print('条件FP树：',FPtreedic)
# 3.产生频繁模式
frequentItems(basePat,FPtreedic)
print("----------------------------------")
# 创建事务字典
def turndic(dataSet):
retDict = {}
for trans in dataSet:
retDict[tuple(trans)] = retDict.get(tuple(trans), 0) + 1 #若没有相同事项，则为1；若有相同事项，则加1
return retDict
if __name__ == '__main__':
# 用二维列表存储数据
dataset = [['l1', 'l2', 'l5'],
['l2', 'l4'],
['l2', 'l3'],
['l1','l2', 'l4'],
['l1','l3'],
['l2','l3'],
['l1','l3'],
['l1','l2','l3','l5'],
['l1','l2','l3']]
minsup=2
datadic=turndic(dataset) # 元数据转化为字典，相同项合并,目的：树回溯后产生的条件模式基是字典型数据，需在字典型数据上建子FP树。
myFPtree, myHeaderTab = createTree(datadic, minsup) # 创建FP树、头指针表
mineTree(myHeaderTab, minsup, set(), list()) # 挖掘树、打印