基于python语言实现FP-Growth算法，并通过实例实现其对销售订单的关联规则进行挖掘。 资料包括完整的源码文件。 实现方式： 要实现购物篮分析，其实有很多种方法，上面的几种考核指标都很清晰了，我们使用SQL也是可以统计的，只不过有点儿麻烦，需要手动做一个商品的组合，或者使用商品间笛卡尔积作为基础表，但是这还得看组合数量，如果只组合2种还好，组合3种、4种呢？ 再就是使用Python或者R来做了，可以选择自己代码实现，也可以使用现有的开源包，我们只要用就行了，这里我也是直接使用了Python中的mlxtend拓展包。 数据处理： 这里把数据处理单独拎出来说一下，做关联分析，需要注意下数据的选取，比如有些行业需要考虑场景，如早中晚这种，每种场景下用户购物偏好不一样，每种场景都有适合的商品组合； 再比如最近的打折促销的商品要剔除掉，因为要走量，所以可能很多订单都有这件商品，会影响我们的最后结论； 还有就是一些附赠品，试用品，新人优惠的商品，都是会影响我们结论的一些数据。

Fp-Growth算法通过构造一个树结构来压缩数据记录,使得挖掘频繁项集只需要扫描两次数据记录,而且该算法不需要生成候选集合,所以效率会比较高。

FP-Growth C代码的实现

Visionary physicist Geoffrey West is a pioneer in the field of complexity science, the science of emergent systems and networks. The term “complexity” can be misleading, however, because what makes West’s discoveries so beautiful is that he has found an underlying simplicity that unites the seemingly complex and diverse phenomena of living systems, including our bodies, our cities and our businesses.

Growth全栈增长工程师指南.mobi 这是一本不止于全栈工程师的学习手册，它也包含了如何成为一个 Growth Hacker 的知识。

经典算法FP-growth的源码，请大家参考！

程序员成长修炼 读物---Growth全栈增长工程师指南

使用此代码模拟基本的 3D 微观结构演变。 这是一个相当古老的代码。 此版本使用环绕边界条件，与新代码相比，计算速度稍慢。 但是，我正在对较新的版本进行一些更改。 所以，当心新版本.. :)

python实现FP-Growth 频繁模式算法

金融估值建模：UBS财务估值培训材料-PE_to_Growth（36页）.pdf