Question

我正在尝试实现apriori算法。在最后的步骤之一中，我从产品列表中生成了两个元组数组。

>>> arr1 = array([(2421,), (35682,), (30690,), ..., (18622,), (18285,), (31269,)],
  dtype=object)

>>> arr2 = array([(2421, 35682), (2421, 30690), (2421, 24852), ..., (18622, 18285),
   (18622, 31269), (18285, 31269)], dtype=object))

这种想法是，我需要检查arr1中的哪个是arr2的子元，即(2421, )是(2421, 30690)的子元。

我尝试了

>>> if (2421,) in (2421, 1231):
...    print('Yes')
... else:
...    print('No')

，我得到No。我也尝试使用.issubset，但得到AtributeError。

我想知道如何在不遵循严格方式的情况下做到这一点，

>>> print(len(arr1), len(arr2))
(9258, 263616)

我正在使用带有Python 2的Jupyter笔记本。仅使用numpy，pandas和itertools。

所需的输出应为以下形式：如果我有产品1,2,3，但我只考虑元组(1,)和(2,)，则从产品的所有2种组合中我需要(1,2)而不是(1,3)。

Answer 1

如果要实现Apriori算法，则要使用实际集而不是元组。 Python有两种集合类型，set and frozenset，后者是不可变的，因此可以存储在字典或其他集合中。您可能希望使用后者，以便将此类集与支持评分相关联。

这肯定是apyori project implementation使用的方法； apyory是Apriori算法的纯Python库。

您可以对元组进行子集测试，但这对于大小为N和M的元组来说，这是一个缓慢的O（NM）操作：

def tuple_is_subset(ta, tb):
    return all(tav in tb for tav in ta)

这是ta中N个项目的完整循环，每个tav in tb测试都需要M = len(tb)个步骤。

您可以将元组转换为集合，但这也需要O（N）+ O（M）时间，之后子集测试将花费O（N）时间。这使整个过程花费了线性时间，但是对于小的元组，我怀疑创建新对象的不变成本将超过上述理论上更为昂贵的O（NM）all()测试。

要使用集合，可以使用：

set(ta).issubset(tb)

set.issubset()接受任何不可设置的迭代，代码将为测试创建一个临时的设置对象。

Answer 2

欢迎2pac，

初始化

>>> arr1 =  np.array([(2421,), (35682,), (30690,),(18622,), (18285,), (31269,)], dtype=object)
>>> arr2 = np.array([(2421, 35682), (2421, 30690), (2421, 24852), (18622, 18285), (18622, 31269), (18285, 31269)], dtype=object)

因此，如果您尝试询问(2421,)是arr2的子集仅当True包含大小为1的元组并且包含值arr2时，才会返回2421。

由于这不是您的预期行为，因此您必须遍历i的每个arr1项并检查是否所有i[j]项都属于arr2[k]

快速概述

>>> arr1[0]
array([2421], dtype=object)
>>> arr1[0] in arr2
True
>>> arr1[0] in arr2[0]
True

这可以提供此功能

def is_a_subset( tuple_i, primary_tuple ):
  return all( k in primary_tuple for k in tuple_i)

for tuple_i in arr1:
  is_a_subset( tuple_i , arr2)

但是我建议您使用set，如果它是不可变集合（即set and frozenset）如果您逐步建立了Frozenset集合的话（

编辑： Martijn Pieters答案以相同的方式

元组是另一个元组的子集-Apriori algortihm

2 个答案: