关联规则mlxtend的应用

#购物篮例子，找出关联规则

item_list1 = [['西红柿','排骨','鸡蛋'], 
             ['西红柿','茄子'],  
             ['鸡蛋','袜子'],  
             ['西红柿','排骨','茄子'],  
             ['西红柿','排骨','袜子','酸奶'],
             ['鸡蛋','茄子','酸奶'],
             ['排骨','鸡蛋','茄子'],
             ['土豆','鸡蛋','袜子'],
             ['西红柿','排骨','鞋子','土豆']]  

import pandas as pd
item_df1 = pd.DataFrame(item_list1) 
print(item_df1)

     0   1     2     3
0  西红柿  排骨    鸡蛋  None
1  西红柿  茄子  None  None
2   鸡蛋  袜子  None  None
3  西红柿  排骨    茄子  None
4  西红柿  排骨    袜子    酸奶
5   鸡蛋  茄子    酸奶  None
6   排骨  鸡蛋    茄子  None
7   土豆  鸡蛋    袜子  None
8  西红柿  排骨    鞋子    土豆

from mlxtend.preprocessing import TransactionEncoder

te = TransactionEncoder()  
df_tf1 = te.fit_transform(item_list1)  
df1 = pd.DataFrame(df_tf1,columns=te.columns_)     
print(df1)

      土豆     排骨     茄子     袜子    西红柿     酸奶     鞋子     鸡蛋
0  False   True  False  False   True  False  False   True
1  False  False   True  False   True  False  False  False
2  False  False  False   True  False  False  False   True
3  False   True   True  False   True  False  False  False
4  False   True  False   True   True   True  False  False
5  False  False   True  False  False   True  False   True
6  False   True   True  False  False  False  False   True
7   True  False  False   True  False  False  False   True
8   True   True  False  False   True  False   True  False

from mlxtend.frequent_patterns import apriori
frequent_itemsets = apriori(df1, min_support=0.2, use_colnames=True) 

frequent_itemsets.sort_values(by='support', ascending=False, inplace=True)

print(frequent_itemsets[frequent_itemsets.itemsets.apply(lambda x: len(x)) == 2])   

     support   itemsets
8   0.444444  (西红柿, 排骨)
7   0.222222   (排骨, 茄子)
9   0.222222   (鸡蛋, 排骨)
10  0.222222  (西红柿, 茄子)
11  0.222222   (鸡蛋, 茄子)
12  0.222222   (鸡蛋, 袜子)

from mlxtend.frequent_patterns import association_rules  
association_rule = association_rules(frequent_itemsets,metric='confidence',min_threshold=0.4)
association_rule.sort_values(by='lift',ascending=False,inplace=True) 
association_rule 

	antecedents	consequents	antecedent support	consequent support	support	confidence	lift	leverage	conviction
0	(西红柿)	(排骨)	0.555556	0.555556	0.444444	0.800000	1.44	0.135802	2.222222
1	(排骨)	(西红柿)	0.555556	0.555556	0.444444	0.800000	1.44	0.135802	2.222222
5	(袜子)	(鸡蛋)	0.333333	0.555556	0.222222	0.666667	1.20	0.037037	1.333333
2	(茄子)	(排骨)	0.444444	0.555556	0.222222	0.500000	0.90	-0.024691	0.888889
3	(茄子)	(西红柿)	0.444444	0.555556	0.222222	0.500000	0.90	-0.024691	0.888889
4	(茄子)	(鸡蛋)	0.444444	0.555556	0.222222	0.500000	0.90	-0.024691	0.888889