用python实现Apriori算法

好的，以下是用 Python 实现 Apriori 算法的代码：

# 导入必要的库
from itertools import combinations

# 定义函数实现 Apriori 算法
def apriori(transactions, support_threshold):
    itemsets = {}
    num_transactions = len(transactions)
    
    # 计算单个项的出现次数
    for transaction in transactions:
        for item in transaction:
            if item in itemsets:
                itemsets[item] += 1
            else:
                itemsets[item] = 1
    
    # 筛选出现次数大于等于 support_threshold 的项
    frequent_itemsets = {item: count for item, count in itemsets.items() if count >= support_threshold}
    
    # 迭代计算频繁项集
    while frequent_itemsets:
        yield frequent_itemsets
        
        # 生成候选项集
        candidate_itemsets = {}
        for itemset in combinations(frequent_itemsets.keys(), 2):
            candidate = set(itemset[0]).union(itemset[1])
            if len(candidate) == len(itemset[0]) + 1:
                candidate_itemsets[tuple(candidate)] = 0
        
        # 计算候选项集的出现次数
        for transaction in transactions:
            for candidate in candidate_itemsets.keys():
                if set(candidate).issubset(set(transaction)):
                    candidate_itemsets[candidate] += 1
        
        # 筛选出现次数大于等于 support_threshold 的项
        frequent_itemsets = {item: count for item, count in candidate_itemsets.items() if count >= support_threshold}

# 测试
transactions = [
    ['apple', 'banana', 'orange'],
    ['banana', 'orange'],
    ['apple', 'pear'],
    ['banana', 'pear'],
    ['apple', 'banana', 'pear']
]

support_threshold = 3

for frequent_itemset in apriori(transactions, support_threshold):
    print(frequent_itemset)

这里使用了 Python 自带的 itertools 库中的 combinations 函数来生成候选项集。这个函数能够生成指定长度的所有组合，例如 combinations(['a', 'b', 'c'], 2) 将返回 [('a', 'b'), ('a', 'c'), ('b', 'c')]。我们利用这个函数来生成大小为 k+1 的候选项集，其中 k 是上一轮迭代中的频繁项集大小。