第2关：动手实现Apriori算法
任务描述
本关任务：编写 Python 代码实现 Apriori 算法。
相关知识
为了完成本关任务，你需要掌握 Apriori 算法流程。
Apriori 算法流程
Apriori 算法的两个输人参数分别是最小支持度和数据集。该算法首先会生成所有单个物品的项集列表。接着扫描交易记录来查看哪些项集满足最小支持度要求，那些不满足最小支持度的集合会被去掉。然后，对剩下来的集合进行组合以生成包含两个元素的项集。接下来，再重新扫描交易记录，去掉不满足最小支持度的项集。该过程重复进行直到所有项集都被去掉。
所以 Apriori 算法的伪代码如下：
while 集合中的项的个数 > 0:构建一个由 k 个项组成的候选项集的列表确认每个项集都是频繁的保留频繁项集并构建 k+1 项组成的候选项集的列表从整个算法的流程来看，首先需要实现一个能够构建只有一个项集的函数，代码如下：
# 构建只有一个元素的项集， 假设dataSet为[[1, 2], [0, 1]. [3, 4]]# 那么该项集为frozenset({0}), frozenset({1}), frozenset({2}),frozenset({3}), frozenset({4})def createC1(dataset):C1 = set()for t in dataset:for item in t:item_set = frozenset([item])C1.add(item_set)return C1有了从无到有之后，接下来需要从 1 到 K 。不过需要注意的是，这个时候需要排除掉支持度小于最小支持度的项集。代码实现如下：
# 从只有k个元素的项集，生成有k+1个元素的频繁项集，排除掉支持度小于最小支持度的项集# D为数据集，ck为createC1的输出，minsupport为最小支持度def scanD(D, ck, minsupport):ssCnt = {}for tid in D:for can in ck:if can.issubset(tid):if can not in ssCnt.keys():ssCnt[can] = 1else:ssCnt[can] += 1numItems = len(D)reList = []supportData = {}for key in ssCnt:support = ssCnt[key]/numItemsif support >= minsupport:reList.insert(0, key)supportData[key] = support#reList为有k+1个元素的频繁项集，supportData为频繁项集对应的支持度return reList, supportData这就完了吗？还没有！我们还需要一个能够实现构建含有 K 个元素的频繁项集的函数。实现代码如下：
#构建含有k个元素的频繁项集#如输入为{0},{1},{2}会生成{0,1},{0, 2},{1,2}def aprioriGen(Lk, k):retList = []lenLk = len(Lk)for i in range(lenLk):for j in range(i+1, lenLk):L1 = list(Lk[i])[k:-2]L2 = list(Lk[j])[:k-2]if L1 == L2:retList.append(Lk[i] | Lk[j])return retList有了这些小功能后，我们就能根据 Apriori 算法的流程来实现 Apriori 算法了。
编程要求
根据提示，在右侧编辑器 Begin-End 补充代码，实现 Apriori 算法。
测试说明
平台会对你编写的代码进行测试，若与预期输出一致，则算通关。
def createC1(dataset):C1 = set()for t in dataset:for item in t:item_set = frozenset([item])C1.add(item_set)return C1def scanD(D, ck, minsupport):ssCnt = {}for tid in D:for can in ck:if can.issubset(tid):if can not in ssCnt.keys():ssCnt[can] = 1else:ssCnt[can] += 1numItems = len(D)reList = []supportData = {}for key in ssCnt:support = ssCnt[key]/numItemsif support >= minsupport:reList.insert(0, key)supportData[key] = supportreturn reList, supportDatadef aprioriGen(Lk, k):retList = []lenLk = len(Lk)for i in range(lenLk):for j in range(i+1, lenLk):L1 = list(Lk[i])[k:-2]L2 = list(Lk[j])[:k-2]if L1 == L2:retList.append(Lk[i] | Lk[j])return retListdef apriori(dataSet,minSupport):# 首先找出最开始的数据项集C1 = createC1(dataSet)D = list(map(set,dataSet))# 把只有一个项集的支持率算出来L1,supportData = scanD(D,C1,minSupport)L = [L1]# 设置关联数k = 2while(len(L[k - 2]) > 0):# 然后开始循环找Ck = aprioriGen(L[k - 2], k)Lk, supK = scanD(D,Ck,minSupport)supportData.update(supK)L.append(Lk)k += 1return L,supportData第3关：从频繁项集中挖掘关联规则
任务描述
本关任务：编写 Python 代码，实现挖掘关联规则的功能。
相关知识
为了完成本关任务，你需要掌握：关联规则挖掘算法流程。
从频繁项集中挖掘关联规则
要找到关联规则，需要从一个频繁项集开始。我们知道集合中的元素是不重复的，但我们想知道基于这些元素能否获得其他内容。例如某个元素或者某个元素集合可能会推导出另一个元素 。从小卖铺的例子可以得到，如果有一个频繁项集
{薯片，西瓜}，那么就可能有一条关联规则薯片->西瓜。这意味着如果有人购买了薯片，那么在统计上他会购买西瓜的概率较大。但是，这一条反过来并不总是成立。也就是说，即使
薯片->西瓜统计上显著，那么薯片->西瓜也不一定成立。(从逻辑研究上来讲，箭头左边的集合称作前件，箭头右边的集合称为后件。)那么怎样挖掘关联规则呢？在发现频繁项集时我们发现的是高于最小支持度的频繁项集，对于关联规则，也是用这种类似的方法。以小卖铺的例子为例，从项集
{0, 1, 2, 3}产生的关联规则中，找出可信度高于最小可信度的关联规则。(PS:Apriori 原理对于关联规则同样适用。)所以，想要根据上一关发现的频繁项集中找出关联规则，需要排除可信度比较小的关联规则，所以首先需要实现计算关联规则的可信度的功能。代码实现如下：
# 计算关联规则的可信度，并排除可信度小于最小可信度的关联规则# freqSet为频繁项集，H为规则右边可能出现的元素的集合，supportData为频繁项集的支持度，brl为存放关联规则的列表，minConf为最小可信度def calcConf(freqSet, H, supportData, brl, minConf = 0.7):prunedH = []for conseq in H:conf = supportData[freqSet]/supportData[freqSet - conseq]if conf >= minConf:brl.append((freqSet - conseq, conseq, conf))prunedH.append(conseq)return prunedH接下来就需要实现从频繁项集中生成关联规则的功能了，实现如下：
# 从频繁项集中生成关联规则# freqSet为频繁项集，H为规则右边可能出现的元素的集合，supportData为频繁项集的支持度，brl为存放关联规则的列表，minConf为最小可信度def ruleFromConseq(freqSet, H, supportData, brl, minConf = 0.7):m = len(H[0])if len(freqSet) > m+1:Hmp1 = aprioriGen(H, m+1)Hmp1 = calcConf(freqSet, Hmp1, supporData, brl, minConf)if len(Hmp1) > 1:ruleFromConseq(freqSet, Hmp1, supportData, brl, minConf)编程要求
根据提示，在右侧编辑器 Begin-End 补充代码，将所有知识全部串联起来，实现关联规则生成功能。
测试说明
平台会对你编写的代码进行测试，若与预期输出一致，则算通关
代码：
from utils import apriori, aprioriGendef calcConf(freqSet, H, supportData, brl, minConf = 0.7):prunedH = []for conseq in H:conf = supportData[freqSet]/supportData[freqSet - conseq]if conf >= minConf:brl.append((freqSet - conseq, conseq, conf))prunedH.append(conseq)return prunedHdef ruleFromConseq(freqSet, H, supportData, brl, minConf = 0.7):m = len(H[0])if len(freqSet) > m+1:Hmp1 = aprioriGen(H, m+1)Hmp1 = calcConf(freqSet, Hmp1, supporData, brl, minConf)if len(Hmp1) > 1:ruleFromConseq(freqSet, Hmp1, supportData, brl, minConf)def generateRules(dataset, minsupport, minConf):'''生成关联规则，可以使用apriori函数获得数据集中的频繁项集列表与支持度:param dataset:数据集，类型为list:param minsupport:最小支持度，类型为float:param minConf:最小可信度，类型为float:return:关联规则列表，类型为list'''digRuleList = []L, supportData = apriori(dataset, minsupport)for i in range(1, len(L)):# freqSet为含有i个元素的频繁项集for freqSet in L[i]:H1 = [frozenset([item]) for item in freqSet]if i > 1:# H1为关联规则右边的元素的集合ruleFromConseq(freqSet, H1, supportData, digRuleList, minConf)else:calcConf(freqSet, H1, supportData, digRuleList, minConf)return digRuleList第4关：超市购物清单关联规则分析
任务描述
本关任务：编写 Python 代码，挖掘出超市购物清单中潜在的关联规则。
相关知识
为了完成本关任务，你需要掌握：将知识运用到实际数据中。
超市购物清单关联规则分析
这里有一份超市的购物清单数据，数据的特征只有 3 个，分别为：交易时间，交易 id 和商品名称。如下图所示：
可以看出，在挖掘关联规则之前，我们需要整理一下数据，即根据交易 id 来将商品信息聚合起来，将数据变成我们关联规则分析算法所需要的形式。
当数据处理好之后，我们就可以使用之前编写的代码，来挖掘该数据的关联规则了。
编程要求
根据提示，在右侧编辑器 Begin-End 处补充代码，实现超市购物清单数据的关联规则挖掘功能。要求如下：
1.将所有商品名称转换为数字，转换关系如下：
{'yogurt':1, 'pork':2, 'sandwich bags':3, 'lunch meat':4, 'all- purpose':5, 'flour':6, 'soda':7, 'butter':8, 'vegetables':9, 'beef':10, 'aluminum foil':11, 'dinner rolls':12, 'shampoo':13, 'mixes':14, 'soap':15, 'laundry detergent':16, 'ice cream':17, 'toilet paper':18, 'hand soap':19, 'waffles':20, 'cheeses':21, 'milk':22, 'dishwashing liquid/detergent':23, 'individual meals':24, 'cereals':25, 'tortillas':26, 'spaghetti sauce':27, 'ketchup':28, 'sandwich loaves':29, 'poultry':30, 'bagels':31, 'eggs':32, 'juice':33, 'pasta':34, 'paper towels':35, 'coffee/tea':36, 'fruits':37, 'sugar':38}2.关联规则列表中的商品必须是转换后的数字。
注意：数据文件为
.csv文件，字段名分别为:date，id，good。测试说明
平台会对你编写的代码进行测试，判题程序将自动将数字转换为商品名称：
测试输入：
{'min_support':0.2,'min_conf':0.7}预期输出：
eggs->vegetables:0.8378378378378379juice->vegetables:0.780885780885781cereals->vegetables:0.7849223946784922individual meals->vegetables:0.7593457943925235laundry detergent->vegetables:0.8167053364269142butter->vegetables:0.7708830548926013ice cream->vegetables:0.7599118942731278yogurt->vegetables:0.8310502283105023代码：
from utils import generateRules import pandas as pddef T(x):m = {'yogurt': 1, 'pork': 2, 'sandwich bags': 3, 'lunch meat': 4, 'all- purpose': 5, 'flour': 6, 'soda': 7, 'butter': 8,'vegetables': 9, 'beef': 10, 'aluminum foil': 11, 'dinner rolls': 12, 'shampoo': 13, 'mixes': 14, 'soap': 15,'laundry detergent': 16, 'ice cream': 17, 'toilet paper': 18, 'hand soap': 19, 'waffles': 20, 'cheeses': 21,'milk': 22, 'dishwashing liquid/detergent': 23, 'individual meals': 24, 'cereals': 25, 'tortillas': 26,'spaghetti sauce': 27, 'ketchup': 28, 'sandwich loaves': 29, 'poultry': 30, 'bagels': 31, 'eggs': 32, 'juice': 33,'pasta': 34, 'paper towels': 35, 'coffee/tea': 36, 'fruits': 37, 'sugar': 38}return m[x]def aprior_data(data):basket = []for id in data['id'].unique():a = [data['good'][i] for i, j in enumerate(data['id']) if j == id]basket.append(a)return basketdef genRules(data_path, min_support, min_conf):# *********Begin*********#data1 = pd.read_csv(data_path)data1['good'] = data1['good'].apply(T)data2 = aprior_data(data1)rult = generateRules(data2, min_support, min_conf)return rult #*********End*********#
