如何在Python中实现FPGrowth算法？

我在Python中成功地使用了apriori算法，如下所示：

import pandas as pd
from mlxtend.frequent_patterns import apriori
from mlxtend.frequent_patterns import association_rules

df = pd.read_csv('C:\\Users\\marka\\Downloads\\Assig5.csv')
df = apriori(df, min_support=0.79, use_colnames=True)
rules = association_rules(df, metric="lift", min_threshold=1)
rules[ (rules['lift'] >= 1) &
       (rules['confidence'] >= 1) ]

我想用FPGrowth算法看看是否得到了相同的结果，但我相信我用错了，因为我没有得到类似的输出。spark（）的文档说明：

所以我的代码是：

from pyspark.mllib.fpm import FPGrowth
from pyspark import SparkConf
from pyspark.context import SparkContext
sc = SparkContext.getOrCreate(SparkConf().setMaster("local[*]"))
data = sc.textFile("C:\\Users\\marka\\Downloads\\Assig6.txt")
transactions = data.map(lambda line: line.strip().split(' '))
model = FPGrowth.train(transactions, minSupport=0.2, numPartitions=10)
result = model.freqItemsets().collect()
for fi in result:
    print(fi)

但我得到的不是一个真正的答案，而是下面的问题：我做错了什么

FreqItemset(items=['1\t1\t1\t1\t1\t1\t1\t0\t0\t0\t0\t1\t1\t0\t0\t1\t1\t1\t1\t1\t0\t0'], freq=24)

为了制作Assig6，我只是将我的原始csv重新保存为txt

我开始更改格式，并根据user10136092更新代码，但仍然得到了不想要的输出。这是我的代码、输出和新输入的示例图片

from pyspark.mllib.fpm import FPGrowth
from pyspark import SparkConf
from pyspark.context import SparkContext
sc = SparkContext.getOrCreate(SparkConf().setMaster("local[*]"))
data = sc.textFile("C:\\Users\\marka\\Downloads\\Assig2.txt")
data.map(lambda line: line.strip().split())
transactions = data.map(lambda line: line.strip().split(' '))
model = FPGrowth.train(transactions, minSupport=0.2, numPartitions=10)
result = model.freqItemsets().collect()
for fi in result:
    print(fi)

输出

FreqItemset(items=['Rock_salt\tFlashlights\tWater\tSnow_shovels\tBlankets\tCanned_food'], freq=34)

---

您的数据不是Spark FPGrowth算法的有效输入

在Spark中，每个篮子应表示为唯一标签列表，例如：

baskets = sc.parallelize([("Rock Salt", "Blankets"), ("Blankets", "Dry Fruits", Canned Food")])

不是二进制矩阵，就像您使用的另一个库一样。请先将您的数据转换为上述格式

此外，您的数据不是以空格分隔的，因此即使输入正确，您也应该像这样拆分

 data.map(lambda line: line.strip().split())

---

我认为该文件是用制表符分隔的，所以您应该用

'\t'

而不是

'

---

transactions=data.map（lambda行：line.strip（）.split（'\t'））

感谢您的快速回复和富有洞察力的回复。我编辑了上面的帖子，仍然得到了不想要的输出。我在excel中查找并替换了我的1，删除了我的0，将其复制到文本文件，并添加了您提到的线条带。您能否提供其他提示，说明为什么它可能不起作用/示例文本文件与它起作用，以便我进行比较？@MarkMcGown您可能错过了此处提出的第二点-您的数据由制表符（

\t

）而不是空格分隔。在代码段中，您只需丢弃

data.map（lambda行：line.strip（）.split（））

虽然它应该用作

事务

。谢谢，这会导致“”被视为篮子中的项目，所以我只需要删除空值。初学者的问题是，如果您已经添加了最后的快速提示，我很难找到如何执行此操作，我尝试了这个notempty=unique.filter（lambda x:x！=“”）哪一个Python库为FPGrowth提供了最好的性能？我一直在使用mlxtend，想知道是否有比这更好的实现。谢谢。

 data.map(lambda line: line.strip().split())