学习来源
实验目的:在掌握关联规则算法的原理的基础上,能够应用关联规则算法解决实际问题。
实验内容:根据实验数据,采用Apriori等关联规则发现算法,给出相关关联规则。
实验要求:给出数据预处理过程、关联规则发现算法及发现关联规则,并对关联规则结果进行分析说明。
实验题目:蔬菜价格相关性分析
蔬菜的价格会受季节、天气等多方面因素的影响,但许多会出现同涨或者同跌等现象,请根据给出的蔬菜价格数据,采用关联规则发现算法,发现哪些蔬菜之间具有同涨、同跌或者涨跌不同步的现象。
一、数据处理
slrd操作部分
import xlrd;
import xlwt;
import pandas as pd
#一、准备部分
#1、Excel表格读的部分:
excel =xlrd.open_workbook('蔬菜价格.xls')#读入本地名为‘蔬菜价格3.xls’的Excel表格
excelsheet=excel.sheets()[0]#获取excel表格中的第一个sheet工作表
#2、Excel表格写的部分:
newexcel=xlwt.Workbook(encoding='utf-8')#创建一个Excel对象,编码格式采用utf-8
#创建一个表名为“蔬菜价格关联分析”的工作表,cell_overwrite_ok=True表示可覆盖之前已操作的单元格
newsheet=newexcel.add_sheet('蔬菜价格关联分析',cell_overwrite_ok=True)
#3、设置表格样式,这里主要用于设置日期的格式
datastyle = xlwt.XFStyle() # 创建一个样式对象,初始化样式
datastyle.num_format_str = 'M/D/YY' #设置日期格式
#4、表格中有的空的位置不是真的为空,这里获取一个这样的值,待会用于特判
tmp=excelsheet.cell_value(5,2)
#二、正式开始处理数据,主要思路:从旧表中读出写入新表
ri=2 #用于读原始第ri行
rj=1#用于读原始第rj列
wi=0#用于写入表格的第wi行
wj=1#用于写入表格的第wj列
#创建新表的第一行,包括日期和各个菜的菜名
newsheet.write(0,0,excelsheet.cell_value(0,0))#将旧表的(0,0)位置的日期写到新表的(0,0)位置
#1、先读取蔬菜列和禽肉类的列名,暂时先不处理禽肉类的一个K位置为空值的特殊情况
while ri<42:
rj=1#蔬菜在第1列,有40种,肉类在第3列,有23种
newsheet.write(0,wj,excelsheet.cell_value(ri,rj))
newsheet.write(0,wj+40,excelsheet.cell_value(ri,rj+2))
ri=ri+1
wj=wj+1
#2、先整理蔬菜的价格
ri=42 #遍历原始第ri行
rj=2#遍历原始第rj列
wi=0#写入表格的第wi行
wj=1#写入表格的第wj行
while ri<22320:
if ri%47>=42:
ri=ri+6
wi=wi+1
newsheet.write(wi,0,excelsheet.cell_value(ri,0),datastyle)
else :
if excelsheet.cell_value(ri,rj)!=tmp:
newsheet.write(wi,wj,excelsheet.cell_value(ri,rj))
wj=wj%40+1
ri=ri+1
#3、再整理禽肉类的价格
ri=26 #遍历原始第ri行
rj=4#遍历原始第rj列
wi=0#写入表格的第wi行
wj=41#写入表格的第wj行
while ri<22320:
if ri%47>=26:
ri=ri+22
wi=wi+1
wj=41
else :
if excelsheet.cell_value(ri,rj)!=tmp:
newsheet.write(wi,wj,excelsheet.cell_value(ri,rj))
wj=(wj-40)%(24)+1+40
#wj=wj%(41+24)+1
#print(wj)
ri=ri+1
newexcel.save('蔬菜数据处理过渡版.xls')#生成处理后的表格
操作之后
padnas操作部分
import pandas as pd
#header = None用于不让蔬菜名那一行作为“表头”,便于之后步骤的数据获取
data=pd.read_excel('蔬菜数据处理过渡版.xls',header = None)
#删除第60列空值列,axis=1表示纵向,inplace=True表示删除操作对原数据生效
data.drop(labels=[60],axis=1,inplace=True)
ri=1
while ri<data.shape[0]-1:
rj=1
while rj<data.shape[1]:
if (len(str(data.values[ri,rj]))==0 or len(str(data.values[ri+1,rj]))==0):
data.iloc[ri,rj]=0
else:
d=float(data.values[ri,rj])-float(data.values[ri+1,rj]) #上-下 今天-昨天 正为涨,负为跌
if d>0:
data.iloc[ri,rj]='up'
elif d<0:
data.iloc[ri,rj]='down'
else:
data.iloc[ri,rj]=0
rj=rj+1
ri=ri+1
data.drop(labels=[data.shape[0]-1],axis=0,inplace=True)#删除最后一行
data.to_excel("蔬菜数据处理完成版.xlsx")
操作之后得到了价格涨跌的数据
二、采用Apriori算法对蔬菜价格数据进行关联分析
目前只写了一部分
import pandas as pd
#获取数据
def vegetable():
excel =pd.read_excel('蔬菜数据处理完成版.xlsx',header = None) #只读
data=[]
ri=2
while ri<excel.shape[0]:
rj=1
temp=[]
while rj<excel.shape[1]:
if excel.values[ri,rj]=='up':
temp.append(excel.values[1,rj]+'up')
elif excel.values[ri,rj]=='down':
temp.append(excel.values[1,rj]+'down')
rj=rj+1
data.append(temp)
ri=ri+1
return excel.shape[0]-2,data #两个返回值分别代表有多少个日期 以及处理过的list
# 将所有元素转换为frozenset型字典,存放到列表中 便于之后的Scan操作
def createC1(dataSet):
C1 = []
for transaction in dataSet:
for item in transaction:
if not [item] in C1:
C1.append([item])
C1.sort()
# 使用frozenset是为了后面可以将这些值作为字典的键
return list(map(frozenset, C1)) # frozenset一种不可变的集合,set可变集合
# 过滤掉不符合支持度的集合
# 返回 频繁项集列表retList 所有元素的支持度字典
def scanD(D, Ck, minSupport):
ssCnt = {}
for tid in D:
for can in Ck:
if can.issubset(tid): # 判断can是否是tid的《子集》 (这里使用子集的方式来判断两者的关系)
if can not in ssCnt: # 统计该值在整个记录中满足子集的次数(以字典的形式记录,frozenset为键)
ssCnt[can] = 1
else:
ssCnt[can] += 1
numItems = float(len(D))
retList = [] # 重新记录满足条件的数据值(即支持度大于阈值的数据)
supportData = {} # 每个数据值的支持度
for key in ssCnt:
support = ssCnt[key] / numItems
if support >= minSupport:
retList.insert(0, key)
supportData[key] = support
return retList, supportData # 排除不符合支持度元素后的元素 每个元素支持度
# 生成所有可以组合的集合
# 频繁项集列表Lk 项集元素个数k [frozenset({2, 3}), frozenset({3, 5})] -> [frozenset({2, 3, 5})]
def aprioriGen(Lk, k):
retList = []
lenLk = len(Lk)
for i in range(lenLk): # 两层循环比较Lk中的每个元素与其它元素
for j in range(i+1, lenLk):
L1 = list(Lk[i])[:k-2] # 将集合转为list后取值
L2 = list(Lk[j])[:k-2]
L1.sort(); L2.sort() # 这里说明一下:该函数每次比较两个list的前k-2个元素,如果相同则求并集得到k个元素的集合
if L1==L2:
retList.append(Lk[i] | Lk[j]) # 求并集
return retList # 返回频繁项集列表Ck
# 封装所有步骤的函数
# 返回 所有满足大于阈值的组合 集合支持度列表
def apriori(dataSet, minSupport = 0.5):
D = list(map(set, dataSet)) # 转换列表记录为字典
C1 = createC1(dataSet) # 将每个元素转会为frozenset字典 [frozenset({1}), frozenset({2}), frozenset({3}), frozenset({4}), frozenset({5})]
L1, supportData = scanD(D, C1, minSupport) # 过滤数据
L = [L1]
k = 2
while (len(L[k-2]) > 0): # 若仍有满足支持度的集合则继续做关联分析
Ck = aprioriGen(L[k-2], k) # Ck候选频繁项集
Lk, supK = scanD(D, Ck, minSupport) # Lk频繁项集
supportData.update(supK) # 更新字典(把新出现的集合:支持度加入到supportData中)
L.append(Lk)
k += 1 # 每次新组合的元素都只增加了一个,所以k也+1(k表示元素个数)
return L, supportData
上面是获取频繁项集 以及支持度列表的函数
关联规则未完待续