【Python机器学习】FP-growth算法——构建FP树

在第二次扫描数据集时会构建一棵FP树。为构建一棵树，需要一个容器来保存树。

创建FP树的数据结构

FP树要比书中其他树更加复杂，因此需要创建一个类来保存树的每一个节点：

class treeNode:
    def __init__(self,nameValue,numOccur,parentNode):
        self.name=nameValue
        self.count=numOccur
        self.nodeLink=None
        self.parent=parentNode
        self.children={}
    def inc(self,numOccur):
        self.count=self.count+numOccur
    def disp(self,ind=1):
        print(' '*ind,self.name,' ',self.count)
        for child in self.children.values():
            child.disp(ind+1)

上面的程序给出了FP树中节点的类定义。类中包含用于存放节点名字的变量和1个计数值，nodeLink变量用于链接相似的元素项。类中还使用了父变量parent来指向当前节点的父节点。通常情况下并不需要这个变量，因为通常是从上向下迭代访问节点的。之后还需要根据给定叶子节点上溯整棵树，这是就需要指向父节点的指针。最后，类中还包括一个空字典变量，用于存放节点的子节点。

上述代码还包括两个方法，其中inc()对count变量增加给定值，另一个方法disp()用于将树以文本形式显示。后者对于树构建来说并不是必要的，但它对调试非常有用。

创建一棵树的一个单节点，之后为其增加一个子节点：

rootNode=treeNode('pyramid',9,None)
rootNode.children['eye']=treeNode('eye',13,None)
print(rootNode.disp())

再添加一个节点看一下两个子节点的展示效果：

r