利用关联规则模型挖掘连锁餐厅交易记录python

写在前面

该模型原理比较简单，网上有很多资料，但作为一个计算机外行，需要把这个模型用python建立起来，还是踩了不少坑。最大的一个坑是：数据库导出的数据以dataframe导入后分组转化为list；（因为数据库导出的数据是按单号和某个菜品，需要把菜品合并在一个list中）

目的

挖掘顾客消费交易记录，来对菜单、营销活动、门店话术等，进行规划；

代码

（由于没有编程基础，所以过多的使用了for语句，期望各位大佬帮忙优化一下；）

data=[[1,3,2,4,5,6],[2,4,6,3],[2,5,7,4],[5,7,4]]#这里我用我任意写的数据来做测试（最后数据库中导出的数据也会转化为这种模式）
I=[]#构建项目集
for i in data :
	for x in i:
		if x not in I :
			I.append(x)
print('项目集为：',I)
SUPmin=0.5 #设置最小支持度
CONFmin=0.5 #设置最小置信度
print('SUPmin:',SUPmin)
print('CONFmin:',CONFmin)
FQE=[]#建立候选频繁集
S=[]#建立候选频繁集对应的支持度
D=len(data)
print('交易笔数：',D)
for item in I :
	x=0
	for tid in data:
		if item in tid:
			x+=1
	if x/D>SUPmin:#supmin
		S.append(x/D)
		FQE.append(item