apriori 算法（py）

#  -*- coding: UTF8 -*-

import  sys
#  最小 支持度
sup_min  =  int(sys.argv[ 1 ])

ss  =   " , "


#  交易 数据 库
D = [
  ' A,B,C,D ' ,
  ' B,C,E ' ,
  ' A,B,C,E ' ,
  ' B,D,E ' ,
  ' A,B,C,D '
]

print   " 交易数据库展现 "  
for  arr  in  D :  print  arr
print



'''
rows = int(sys.argv[ 1 ])
D=[]
for tid in open('BuyMusic.20090722.mob.prodIds').readlines()[:rows] :
    D.append(tid.split("\n")[0].split("\t")[1])


print "读取 文件结束 BuyMusic.20090722.mob.prodIds !"
'''
# 全局 频繁项 收集
sup_data_map  =  {}
# 全局  最大频繁项 收集
is_zsup = {}

#  遍历过程 临时 局部  频繁项 收集
mapL  =  {}

#  第一次 频繁项 收集
def  find_frequent_1_itemset(I):
     if  I == ' null '   or  I == ''  :  return   
     if  mapL.has_key(I): mapL[I] += 1  
     else : mapL[I] = 1

map(find_frequent_1_itemset,[ I   for  TID  in  D  for  I   in  TID.split(ss) ])

#  刷选掉 小于 最小支持度 的 频繁项
def  remove_not_sup_min(map,supmin = sup_min):
     for  k   in  [k  for  k,v  in  map.items()  if  v < supmin] :
         del  map[k]
remove_not_sup_min(mapL)

print   " 第一次 筛选 频繁项 结束! "
print  mapL

#  装载 全局 频繁项 最大频繁项
for  k,v  in  mapL.items() : 
    sup_data_map[k] = v
    is_zsup[k] = v

#  判定 是否 'BD' 属于  'BCD' 中 
isInTid  =   lambda  I,TID : len(I.split(ss))  ==  len([i  for  i  in  I  if  i  in  TID.split(ss)])


#  组合  [A,B] + [A,C] = [A,B.C]
def  comb(arr1,arr2):
    tmap = {}
     for  v  in  arr1 + arr2 : tmap[v] = ""  
     return  tmap.keys()

#  apriori 迭代核心
def  runL(mapL,dep):
    mapL2  =  {}
    C = {}
    keys  =  mapL.keys()
    iik = ""
    jjk = ""
     #  根据 上次  频繁项 ，生成本次 '可能频繁项' 集合 
     for  ii  in  range(len(keys)) : 
         for  jj  in  range(ii + 1 ,len(keys)) :
            keystr = comb([ch  for  ch  in  keys[ii].split(ss)],[ch  for  ch  in  keys[jj].split(ss)])
             if   not  len(keystr)  ==  dep :  continue
            keystr.sort()
            tk = ss.join(keystr)
             if   not  tk  in  C : C[tk] = (keys[ii],keys[jj])

     #   '可能频繁项' 对比 交易数据库  计数
     for  tk,z  in  C.items():
         for  TID  in  D:
             if  isInTid(tk,TID) :
                 if  mapL2.has_key(tk): mapL2[tk] += 1
                 else : mapL2[tk] = 1

     #  刷选掉 小于 最小支持度 的 频繁项
    remove_not_sup_min(mapL2)
     for  k,v  in   is_zsup.items() :
         for  k1,v1  in  mapL2.items() :
             if  isInTid(k,k1) :
                 del  is_zsup[k]
                 break
     #  全局 频繁项 ,最大频繁项  收集 
     for  k,v  in  mapL2.items() : 
        sup_data_map[k] = v
        is_zsup[k] = v
     print   " 第 " + str(dep) + " 次 筛选 频繁项 结束! "  
     return  mapL2

#  真正 运行 
ii = 1
while  mapL :
    ii = ii + 1
    mapL  =  runL(mapL,ii)
     print  mapL

#  全局  频繁项 中 去除 最大频繁项
for  k,v  in  is_zsup.items() :
     if  sup_data_map.has_key(k) :  del  sup_data_map[k]

print   " 频繁项 "
print  sup_data_map
print  
print   " 最大频繁项 "
print  is_zsup
print  

print   " 可信度 展现 "
for  k,v  in   sup_data_map.items() :
     for  k1,v1  in  is_zsup.items() :
         if  isInTid(k,k1) :
             print  k, " -> " ,k1, " \t%.1f "   % ((float(is_zsup[k1]) / float(sup_data_map[k])) * 100 ) + " % "