西电数据挖掘作业之利用Python编程实现Apriori算法

西电数据挖掘作业之利用Python编程实现Apriori算法，利用Python编程实现Apriori算法。

# coding=utf-8
import operator
from math import log
import time
import load_bigcsv as ls
# import load_csv as ls


def createDataSet（）:
    dataSet = [[1 1 ‘yes‘]
               [1 1 ‘yes‘]
               [1 0 ‘no‘]
               [0 1 ‘no‘]
               [0 1 ‘no‘]]
    labels = [‘no surfaceing‘ ‘flippers‘]
    return dataSet labels

# 计算香农熵


def calcShannonEnt（dataSet）:
    numEntries = len（dataSet）
    labelCounts = {}
    for feaVec in dataSet:
        currentLabel = feaVec[-1]
        if currentLabel not in labelCounts:
            labelCounts[currentLabel] = 0
        labelCounts[currentLabel] += 1
    shannonEnt = 0.0
    for key in labelCounts:
        prob = float（labelCounts[key]） / numEntries
        shannonEnt -= prob * log（prob 2）
    return shannonEnt


def splitDataSet（dataSet axis value）:
    retDataSet = []
    for featVec in dataSet:
        if featVec[axis] == value:
            reducedFeatVec = featVec[:axis]
            reducedFeatVec.extend（featVec[axis + 1:]）
            retDataSet.append（reducedFeatVec）
    return retDataSet


def chooseBestFeatureToSplit（dataSet）:
    numFeatures = len（dataSet[0]） - 1  # 因为数据集的最后一项是标签
    baseEntropy = calcShannonEnt（dataSet）
    bestInfoGain = 0.0
    bestFeature = -1
    for i in range（numFeatures）:
        featList = [example[i] for example in dataSet]
        uniqueVals = set（featList）
        newEntropy = 0.0
        for value in uniqueVals:
            subDataSet = splitDataSet（dataSet i value）
            prob = len（subDataSet） / float（len（dataSet））
            newEntropy += prob * calcShannonEnt（subDataSet）
        infoGain = baseEntropy - newEntropy
        if infoGain > bestInfoGain:
            bestInfoGain = infoGain
            bestFeature = i
    return bestFeature

# 因为我们递归构建决策树是根据属性的消耗进行计算的，所以可能会存在最后属性用完了，但是分类
# 还是没有算完，这时候就会采用多数表决的方式计算节点分类


def majorityCnt（classList）:
    classCount = {}
    for vote in classList:
        if vote not in classCount.keys（）:
            classCount[vote] = 0
        classCount[vote] += 1
    return max（classCount）


def createTree（dataSet labels）:
    classList = [example[-1] for example in dataSet]
    if classList.count（classList[0]） == len（classList）:  # 类别相同则停止划分
        return classList[0]
    if len（dataSet[0]） == 1:  # 所有特征已经用完
        return majorityCnt（classList）
    bestFeat = chooseBestFeatureToSplit（dataSet）
    bestFeatLabel = labels[bestFeat]
    myTree = {bestFeatLabel: {}}
    del（labels[bestFeat]）
    featValues = [example[bestFeat] for example in dataSet]
    uniqueVals = set（featValues）
    for value in uniqueVals:
        subLabels = labels[:]  # 为了不改变原始列表的内容复制了一下
        myTree[bestFeatLabel][value] = createTree（splitDataSet（dataSet
                                                               bestFeat value） subLabels）
    return myTree


def main（）:
    # data label = createDataSet（）
    data = ls.data2.tolist（）
    label = ls.label
    # print（type（data））
    # print（type（label））
    t1 = t

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-07-23 16:47  seventh_homework\
     目录           0  2018-12-11 23:19  seventh_homework\7_guanlianguice\
     目录           0  2018-12-05 21:42  seventh_homework\7_guanlianguice\Bigmart\
     文件        3474  2018-10-10 23:47  seventh_homework\7_guanlianguice\Bigmart\read.txt
     文件       85268  2018-10-10 23:24  seventh_homework\7_guanlianguice\Bigmart\SampleSubmission_TmnO39y.csv
     文件      527709  2018-10-10 23:18  seventh_homework\7_guanlianguice\Bigmart\Test_u94Q5KV.csv
     文件      869537  2018-10-10 23:18  seventh_homework\7_guanlianguice\Bigmart\Train_UWu5bXk.csv
     目录           0  2018-12-05 21:42  seventh_homework\7_guanlianguice\black_friday\
     文件        2009  2018-10-10 23:39  seventh_homework\7_guanlianguice\black_friday\readme.txt
     文件          29  2018-10-10 23:35  seventh_homework\7_guanlianguice\black_friday\Sample_Submission_Tm9Lura.csv
     文件     9598228  2015-11-20 00:45  seventh_homework\7_guanlianguice\black_friday\test.csv
     文件    25525678  2015-11-20 00:47  seventh_homework\7_guanlianguice\black_friday\train.csv
     文件       18939  2018-12-11 18:15  seventh_homework\7_guanlianguice\daima.docx
     文件        3478  2018-12-11 18:12  seventh_homework\7_guanlianguice\jueceshu.py
     文件        1628  2018-12-11 18:14  seventh_homework\7_guanlianguice\load_bigcsv.py
     文件        1690  2018-12-11 18:08  seventh_homework\7_guanlianguice\load_csv.py
     目录           0  2018-12-11 21:53  seventh_homework\7_guanlianguice\pict\
     文件       80381  2018-12-11 21:01  seventh_homework\7_guanlianguice\pict\bigmart_10data.png
     文件       52375  2018-12-11 21:02  seventh_homework\7_guanlianguice\pict\bigmart_all_data.png
     文件      327607  2018-12-11 16:30  seventh_homework\7_guanlianguice\pict\black_10.png
     文件       34241  2018-12-11 21:03  seventh_homework\7_guanlianguice\pict\black_100.png
     文件       68786  2018-12-11 21:05  seventh_homework\7_guanlianguice\pict\black_1000.png
     文件       88850  2018-12-11 21:04  seventh_homework\7_guanlianguice\pict\black_10000.png
     文件       12070  2018-12-11 21:03  seventh_homework\7_guanlianguice\pict\black关键属性.png
     文件      171499  2018-12-11 21:22  seventh_homework\7_guanlianguice\pict\black处理后数据.png
     文件       11897  2018-12-11 21:00  seventh_homework\7_guanlianguice\pict\Mart关键属性.png
     文件       91050  2018-12-11 16:32  seventh_homework\7_guanlianguice\pict\Screenshot from 2018-12-11 16-32-03.png
     文件       85403  2018-12-11 21:15  seventh_homework\7_guanlianguice\pict\数据1.png
     文件       58939  2018-12-11 21:21  seventh_homework\7_guanlianguice\pict\数据10.png
     文件       79858  2018-12-11 21:17  seventh_homework\7_guanlianguice\pict\数据2.png
     文件       17647  2018-12-11 21:17  seventh_homework\7_guanlianguice\pict\数据34.png
............此处省略14个文件信息