fp-growth树创建代码及详细注释

事务集过滤重排:

#FP树节点结构
class treeNode:
   def __init__(self,nameValue,numOccur,parentNode):
       self.name=nameValue#节点名
       self.count=numOccur#出现次数
       self.nodeLink=None#链接相似的元素
       self.parent=parentNode#当前节点的父节点
       self.children={}#子节点集

   #为count增加指定值
   def inc(self,numOccur):
        self.count += numOccur
   #将树以文本方式显示，用于调试
   def disp(self,ind=1):
        print(' '*ind,self.name,' ',self.count)
        for child in self.children.values():
            child.disp(ind+1)

#minSup:最小支持度
#由于用例中存在出现次数相同的项如t和 y所以每次排序结果可能会不同从而导致最终的FP树有所不同，但应该是等价的
def createTree(dataSet,minSup=1):
    headerTable={}
    #循环遍历数据集两次
    for trans in dataSet:#trans:事务
        for item in trans:#item:元素
            headerTable[item]=headerTable.get(item,0)+dataSet[trans]#headerTable中已有的次数+事务中出现的1次
    #❶（以下三行） 移除不满足最小支持度的元素项，headerTable中的key即为具体元素
    for k in list(headerTable.keys()):
        if headerTable[k]<minSup:
            del(headerTable[k])
    freqItemsSet=set(headerTable.keys())#转换为集合得到频繁项集（去除重复）
    #❷ 如果没有元素项满足要求， 则退出
    if len(freqItemsSet)==0:return None,None
    #第二次遍历获得头指针表（元素：元素出现次数，相似元素指针）
    for k in headerTable:
        headerTable[k]=[headerTable[k],None]
    retTree=treeNode('Null Set',1,None)#树初始化：空集：1 无父节点
    for tranSet,count in dataSet.items():
        localD={}
        #❸（以下三行） 根据全局频率对每个事务中的元素进行排序
        for item in tranSet:
            if item in freqItemsSet:
                localD[item]=headerTable[item]#找出所有事务中的频繁项（元素：元素出现次数）集合
        if len(localD)>0:
            orderedItems=[v[0] for v in sorted(localD.items(),key=lambda p:str(p[1]),reverse=True)]
            #❹ 使用排序后的频率项集对树进行填充
            updateTree(orderedItems,retTree,headerTable,count)#orderedItems：事务中删除非频繁项并逆向排序后剩余的元素集合
    return retTree,headerTable

def updateTree(items,inTree,headerTable,count):

    if items[0] in inTree.children:#该元素已存在，直接增加出现次数值
        inTree.children[items[0]].inc(count)
    else:
        inTree.children[items[0]] = treeNode(items[0], count, inTree)#不存在，直接添加，使其父节点指向inTree
        if headerTable[items[0]][1]==None:#如果头表目标节点为空，则将其指向inTree
            headerTable[items[0]][1]=inTree.children[items[0]]#更新头表
        else:#头结点指针不为空，则顺着该指针一直找到链表尾部，并将尾节点指针指向新插入节点
            updateHeader(headerTable[items[0]][1],inTree.children[items[0]])#否则，指向新节点（inTree对应孩子节点，逆序排序，后来指向的出现次数变少）
    if len(items)>1:
        #❺ 对剩下的元素项迭代调用updateTree函数
        updateTree(items[1::],inTree.children[items[0]],headerTable,count)#每次调用时从列表中后一个元素开始

#使链表的尾部指向新节点
def updateHeader(nodeToTest,targetNode):
    while(nodeToTest.nodeLink!=None):
        nodeToTest=nodeToTest.nodeLink
    nodeToTest.nodeLink=targetNode#链接上当前节点 

def loadSimpDat():
    simpDat=[['r','z','h','j','p'],
             ['z','y','x','w','v','u','t','s'],
             ['z'],
             ['r','x','n','o','s'],
             ['y','r','x','z','q','t','p'],
             ['y','z','x','e','q','s','t','m']]
    return simpDat

def createInitSet(dataSet):
    retDict={}
    for trans in dataSet:
        retDict[frozenset(trans)]=1
    return retDict                 

最终创建的树为（由于存在出现次数相同的元素 如t 和 y，可能会导致每次排序结果不一致从而使最终产生的树结果也不相同，但所有的树都应该是等价的）：

来源：本人博客