python关联apriori算法代码

Apriori算法是一种用于市场篮子数据挖掘的经典关联规则学习算法，在Python中可以使用如mlxtend库来实现。以下是简单的Apriori算法的代码示例：

from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori

# 假设这是你的交易数据，存储在一个列表的列表中，每个内部列表代表一个购物篮
transaction_data = [['Milk', 'Bread'], ['Bread', 'Butter', 'Eggs'], ['Milk', 'Butter']]

# 初始化TransactionEncoder
te = TransactionEncoder()
te_ary = te.fit(transaction_data).transform(transaction_data)

# 转换为DataFrame并设置索引
df = pd.DataFrame(te_ary, columns=te.columns_, index=['Basket_1', 'Basket_2', 'Basket_3'])

# 使用Apriori算法，设定最小支持度（min_support）和最大项数（max_len）
frequent_itemsets = apriori(df, min_support=0.5, use_colnames=True, max_len=2)

# 显示频繁项集
for itemset, support in frequent_itemsets:
    print(f"Itemset: {itemset}, Support: {support}")