apriori关联规则python简单例子

import pandas as pd
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori, association_rules

# 1表示该商品在交易中被购买，0表示没有被购买
data = [
    ['牛奶', '面包', '黄油'],
    ['可乐', '面包', '牛奶', '鸡蛋'],
    ['牛奶', '面包', '黄油', '鸡蛋'],
    ['可乐', '面包', '牛奶'],
    ['面包', '牛奶', '鸡蛋'],
    ['可乐', '面包', '黄油', '牛奶', '鸡蛋']
]

# 将数据集转换为one-hot编码形式
commodity_code= TransactionEncoder()
commodity_ary = commodity_code.fit(data).transform(data)

df = pd.DataFrame(commodity_ary, columns=commodity_code.columns_)
print(df)

# 找出频繁项集
frequent_itemsets = apriori(df, min_support=0.5, use_colnames=True)
print(frequent_itemsets)

# 使用关联规则来找出强关联规则
rules = association_rules(frequent_itemsets, metric="confidence", min_threshold=0.7)
print(rules[['antecedents', 'consequents', 'support', 'confidence']])
# rules.to_csv('apriori_Market_basket.csv')

“”
      可乐    牛奶    面包     鸡蛋     黄油
0  False  True  True  False   True
1   True  True  True   True  False
2  False  True  True   True   True
3   True  True  True  False  False
4  False  True  True   True  False
5   True  True  True   True   True
     support      itemsets
0   0.500000          (可乐)
1   1.000000          (牛奶)
2   1.000000          (面包)
3   0.666667          (鸡蛋)
4   0.500000          (黄油)
5   0.500000      (可乐, 牛奶)
6   0.500000      (面包, 可乐)
7   1.000000      (面包, 牛奶)
8   0.666667      (鸡蛋, 牛奶)
9   0.500000      (黄油, 牛奶)
10  0.666667      (面包, 鸡蛋)
11  0.500000      (面包, 黄油)
12  0.500000  (面包, 可乐, 牛奶)
13  0.666667  (面包, 鸡蛋, 牛奶)
14  0.500000  (面包, 黄油, 牛奶)
   antecedents consequents   support  confidence
0         (可乐)        (牛奶)  0.500000         1.0
1         (可乐)        (面包)  0.500000         1.0
2         (面包)        (牛奶)  1.000000         1.0
3         (牛奶)        (面包)  1.000000         1.0
4         (鸡蛋)        (牛奶)  0.666667         1.0
5         (黄油)        (牛奶)  0.500000         1.0
6         (鸡蛋)        (面包)  0.666667         1.0
7         (黄油)        (面包)  0.500000         1.0
8     (面包, 可乐)        (牛奶)  0.500000         1.0
9     (可乐, 牛奶)        (面包)  0.500000         1.0
10        (可乐)    (面包, 牛奶)  0.500000         1.0
11    (面包, 鸡蛋)        (牛奶)  0.666667         1.0
12    (鸡蛋, 牛奶)        (面包)  0.666667         1.0
13        (鸡蛋)    (面包, 牛奶)  0.666667         1.0
14    (面包, 黄油)        (牛奶)  0.500000         1.0
15    (黄油, 牛奶)        (面包)  0.500000         1.0
16        (黄油)    (面包, 牛奶)  0.500000         1.0


“”