中医认证关联规则挖掘Python分析代码
2017-08-18 10:21
309 查看
转载自张良均的《Python数据分析与挖掘实战》编写的apriori.py代码,更改了部分代码。
更改了8-2 apriori-rules.py部分代码:
#-*- coding: utf-8 -*- from __future__ import print_function import pandas as pd #自定义连接函数,用于实现L_{k-1}到C_k的连接 def connect_string(x, ms): x = list(map(lambda i:sorted(i.split(ms)), x)) l = len(x[0]) r = [] for i in range(len(x)): for j in range(i,len(x)): if x[i][:l-1] == x[j][:l-1] and x[i][l-1] != x[j][l-1]: r.append(x[i][:l-1]+sorted([x[j][l-1],x[i][l-1]])) return r #寻找关联规则的函数 def find_rule(d, support, confidence, ms = u'--'): result = pd.DataFrame(index=['support', 'confidence']) #定义输出结果 support_series = 1.0*d.sum()/len(d) #支持度序列 column = list(support_series[support_series > support].index) #初步根据支持度筛选 k = 0 while len(column) > 1: k = k+1 print(u'\n正在进行第%s次搜索...' %k) column = connect_string(column, ms) print(u'数目:%s...' %len(column)) sf = lambda i: d[i].prod(axis=1, numeric_only = True) #新一批支持度的计算函数 #创建连接数据,这一步耗时、耗内存最严重。当数据集较大时,可以考虑并行运算优化。 d_2 = pd.DataFrame(list(map(sf,column)), index = [ms.join(i) for i in column]).T support_series_2 = 1.0*d_2[[ms.join(i) for i in column]].sum()/len(d) #计算连接后的支持度 column = list(support_series_2[support_series_2 > support].index) #新一轮支持度筛选 support_series = support_series.append(support_series_2) column2 = [] for i in column: #遍历可能的推理,如{A,B,C}究竟是A+B-->C还是B+C-->A还是C+A-->B? i = i.split(ms) for j in range(len(i)): column2.append(i[:j]+i[j+1:]+i[j:j+1]) cofidence_series = pd.Series(index=[ms.join(i) for i in column2]) #定义置信度序列 for i in column2: #计算置信度序列 cofidence_series[ms.join(i)] = support_series[ms.join(sorted(i))]/support_series[ms.join(i[:len(i)-1])] for i in cofidence_series[cofidence_series > confidence].index: #置信度筛选 result[i] = 0.0 result[i]['confidence'] = cofidence_series[i] result[i]['support'] = support_series[ms.join(sorted(i.split(ms)))] result = result.T.sort_values(['confidence','support'], ascending = False) #结果整理,输出 #pandas-version-0.20.1 好像没有sort函数了,只有sort_values函数 print(u'\n结果为:') print(result) return result
更改了8-2 apriori-rules.py部分代码:
#-*- coding: utf-8 -*- from __future__ import print_function import pandas as pd from apriori import * #导入自行编写的apriori函数 import time #导入时间库用来计算用时 inputfile = '../data/apriori.txt' #输入事务集文件 data = pd.read_csv(inputfile, header=None, dtype = object) start = time.clock() #计时开始 print(u'\n转换原始数据至0-1矩阵...') ct = lambda x : pd.Series(1, index = x[pd.notnull(x)]) #转换0-1矩阵的过渡函数 b = map(ct, data.as_matrix()) #用map方式执行 data = pd.DataFrame(list(b)).fillna(0) #实现矩阵转换,空值用0填充 #原始代码data = pd.DataFrame(b).fillna(0)报错 end = time.clock() #计时结束 print(u'\n转换完毕,用时:%0.2f秒' %(end-start)) del b #删除中间变量b,节省内存 support = 0.06 #最小支持度 confidence = 0.75 #最小置信度 ms = '---' #连接符,默认'--',用来区分不同元素,如A--B。需要保证原始表格中不含有该字符 start = time.clock() #计时开始 print(u'\n开始搜索关联规则...') find_rule(data, support, confidence, ms) end = time.clock() #计时结束 print(u'\n搜索完成,用时:%0.2f秒' %(end-start))
相关文章推荐
- # 机器学习数据挖掘关联规则挖掘Apriori算法python代码实现
- 数据挖掘:Apriori 关联规则分析算法原理分析与代码实现
- Python数据分析与挖掘实战代码纠错 代码3-1
- Python数据分析与挖掘实战代码纠错 代码3-3
- 2017小象学院Python数据分析与挖掘
- 【Python数据挖掘课程】九.回归模型LinearRegression简单分析氧化物数据
- 关于 Python 数据抓取、分析、挖掘、机器学习和Python 分布式计算内容分享
- Python数据分析实战 | 数据挖掘人门
- python数据挖掘课程 十二.Pandas、Matplotlib结合SQL语句对比图分析
- 【python数据挖掘课程】二十一.朴素贝叶斯分类器详解及中文文本舆情分析
- 详解python实现FP-TREE进行关联规则挖掘(带有FP树显示功能)附源代码下载(4)
- Python 代码分析工具:PyChecker、Pylint,简解
- python3爬取淘宝信息代码分析
- Python数据挖掘-航空公司客户价值分析
- Hadoop/MapReduce购物篮分析:关联规则挖掘
- Python,django:用line_profiler工具分析代码的性能(一)
- 【代码】<python数据分析> 向量加法比较
- python数据分析与挖掘实践—拉格朗日插值法
- Python数据可视化正态分布简单分析及实现代码
- hostapd的radius/eap server代码分析(3)-初始化及一次认证过程