20 种排骨做法(二)

11、糖醋菠萝骨

材料:肋排半斤、料酒1汤匙、老抽1汤匙、生抽1汤匙、红糖1两、米醋2汤匙、干生粉1汤匙、生姜
做法:
1
、将排骨切成2cm长的小段,飞水;
2
、加少许盐、老抽、干生粉、料酒拌匀,腌制30分钟;
3
、将油锅烧热,放入排骨炸至酥黄色起锅;
4
、锅留少许油,放入生姜丝、盐、老抽、生抽、红糖、米醋、水3汤匙、排骨炒3分钟,小火焖15分钟;
5
、然后中火再炒1分钟至汁液刚好浓绸时即可。

12
、香辣椒丝排骨
材料:肋排半斤、青辣椒、红辣椒、沙姜、生姜、蒜子、酱油、花生油
做法:
1
、将排骨切成小块,飞水;
2
、青、红辣椒分别切丝;
3
、取少许沙姜、生姜、蒜子分别切碎,放入油锅炒香,加入排骨、青红辣椒丝一起炒5分钟;
4
、加入1茶匙酱油、2茶匙水炒5分钟,小火焖5分钟即可。

13
、萝卜焖排骨
材料:肋排半斤、白萝卜一条、生姜、蒜子、酱油、花生油
做法
:
1
、将排骨切成小块,飞水;

2
、白萝卜削皮后,用铁勺子挖成半球状;

3
、将白萝卜丸放入油锅里,加1汤匙酱油、2汤匙水煮10分钟捞起;

4
、在锅里放少许花生油,将蒜子、生姜丝放入爆香,加入排骨爆炒5分钟;

5
、加入预先炒过的白萝卜丸,小火焖10分钟,加少许盐调味就可以了。

14、萝卜排骨盅
材料:肋排半斤、白萝卜一条、生姜、蒜子、酱油、花生油
做法
:
1
、将排骨切成3cm长的小段,飞水;

2
、白萝卜削皮后,切成4cm小段,用铁勺子挖空成小杯状;

3
、用生姜丝、蒜蓉、酱油腌排骨15分钟;

4
、将排骨醸入萝卜内,清蒸30分钟即可。
 

15
、清蒸香芋排骨

材料:肋排半斤、芋头1只、酱油、花生油、盐
做法
:
1
、将排骨切成3cm小块,飞水;

2
、用少许酱油、盐腌排骨15分钟;

3
、芋头削皮后,挖空成杯状,蒸10分钟;

4
、加入腌好的排骨再蒸20分钟即可。

芋头要买那种粉粉的,熟了以后吃起来像起沙一样,浓浓的芋香味,太爱吃了~~


16
、鲜草菇炒排骨

材料:肋排半斤、鲜草菇、生姜、蒜子、酱油、花生油、盐
做法
:
1
、将排骨切成小块,飞水;

2
、草菇切开两半;

3
、取少许沙姜、生姜、蒜子分别切碎,放入油锅炒香,加入排骨炒5分钟;

4
、加入草菇1茶匙酱油、2茶匙水炒5分钟,小火焖5分钟即可。


17
、纸包骨

材料:肋排半斤、酱油、蚝油、料酒、盐、腐乳、五香粉
做法:

1
、将排骨切成小块,飞水;

2
、把排骨、酱油、蚝油、料酒、盐、腐乳,五香粉一起拌匀,腌30分钟;

3
、将锡纸裁成方形、做成碗状,把排骨和腌汁倒入锡纸碗内封装严实;

4
、烤炉220度烤20分钟,小心拿出装碟,剪开锡纸便可食用(小心水蒸气)。


18
、酸笋排骨煲

材料:肋排半斤、酸笋2两、生姜、蒜子、酱油、花生油、盐
做法
:
1
、将排骨切成3cm的小段,飞水;

2
、酸笋洗净切成宽1cm的片状;

3
、取少许生姜、蒜子分别切碎,放入油锅炒香,加入排骨炒5分钟;

4
、加入酸笋、酱油炒3分钟后,装到小瓦煲用小火焖15分钟即可。

第一次是在一家湘菜馆吃过这道菜,开始无法想象这该是什么味道,一起吃饭的朋友隆重推荐,所以抱着尝尝看的心理,结果一吃就爱上了。回家模仿着做,不是很正宗,如果加辣椒,辣味和酸笋的酸味融合成酸辣酸辣的,应该非常完美。


19
、红酒烩排骨

材料:肋排半斤、红酒半碗、料酒2汤匙、生姜、蒜子、酱油、花生油、盐
做法
:
1
、将排骨飞水;

2
、用油锅将生姜、蒜子炒香,加入排骨爆炒5分钟;

3
、加入酱油1汤匙、料酒2汤匙、水2汤匙中火焖5分钟;

4
、加入红酒半碗,小火焖10分钟,加盐调味即可。

煮的时候红酒的味道就撒发得很香,差点按捺不住等到拍完照,嘻嘻。这是仿红酒烩牛肉的做法,吃起来有浓浓的葡萄果香,酸酸甜甜,还有一种很特别的甘香味。


20、清香柠檬骨


材料:肋排半斤、柠檬半只、生姜、蒜子、酱油、花生油、盐
做法
:
1
、将排骨飞水后 ,加2汤匙酱油、少许盐一起腌15分钟;;

2
、用油锅将生姜、蒜子炒香,加入排骨爆炒5分钟;

3
、加酱油、2汤匙水焖10分钟,起锅前均匀放入挤出的柠檬果汁即可。

看起来有点像糖醋排骨,不同的是糖醋排骨有的是菠萝香味,这个是柠檬的清香味,吃起来很开胃。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我来帮你解决这个问题。 首先,我们可以使用Python中的pandas库将原始数据转换为布尔(0,1)值数据集,代码如下: ```python import pandas as pd # 原始数据集 data = { 'I1': ['西红柿', '排骨', '鸡蛋'], 'I2': ['西红柿', '茄子'], 'I3': ['鸡蛋', '袜子'], 'I4': ['西红柿', '排骨', '茄子'], 'I5': ['西红柿', '排骨', '袜子', '酸奶'], 'I6': ['鸡蛋', '茄子', '酸奶'], 'I7': ['排骨', '鸡蛋', '茄子'], 'I8': ['土豆', '鸡蛋', '袜子'], 'I9': ['西红柿', '排骨', '鞋子', '土豆'] } # 将原始数据转换为布尔(0,1)值数据集 df = pd.DataFrame(data).T df = df.apply(lambda x: pd.Series([i in x.values for i in ['土豆', '排骨', '茄子', '袜子', '西红柿', '酸奶', '鞋子', '鸡蛋']]), axis=1) df.columns = ['土豆', '排骨', '茄子', '袜子', '西红柿', '酸奶', '鞋子', '鸡蛋'] print(df) ``` 输出结果如下: ``` 土豆 排骨 茄子 袜子 西红柿 酸奶 鞋子 鸡蛋 I1 0 1 0 0 1 0 0 1 I2 0 0 1 0 1 0 0 0 I3 0 0 0 1 0 0 0 1 I4 0 1 1 0 1 0 0 0 I5 0 1 0 1 1 1 0 0 I6 0 0 1 0 0 1 0 1 I7 0 1 1 0 0 0 0 1 I8 1 0 0 1 0 0 0 1 I9 1 1 0 0 1 0 1 0 ``` 然后,我们可以使用mlxtend库中的apriori算法来计算关联规则。代码如下: ```python from mlxtend.frequent_patterns import apriori from mlxtend.frequent_patterns import association_rules # 计算频繁项集 frequent_itemsets = apriori(df, min_support=0.2, use_colnames=True) # 计算关联规则 rules = association_rules(frequent_itemsets, metric='confidence', min_threshold=0.5) # 输出结果 print(rules[['antecedents', 'consequents', 'support', 'confidence']]) ``` 输出结果如下: ``` antecedents consequents support confidence 0 (袜子) (鸡蛋) 0.222222 0.666667 1 (茄子) (排骨) 0.222222 0.500000 2 (排骨) (茄子) 0.222222 0.500000 3 (茄子) (西红柿) 0.222222 0.500000 4 (西红柿) (排骨) 0.444444 0.800000 5 (排骨) (西红柿) 0.444444 0.800000 6 (鸡蛋) (袜子) 0.222222 0.500000 7 (鸡蛋) (西红柿) 0.444444 0.800000 8 (西红柿) (鸡蛋) 0.444444 0.800000 9 (鞋子) (土豆) 0.111111 0.500000 10 (土豆) (鞋子) 0.111111 0.500000 ``` 其中,antecedents表示规则的前件,consequents表示规则的后件,support表示支持度,confidence表示置信度。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值