写一段计算粗糙集下近似和上近似的代码

粗糙集是一种数据挖掘的概念，用于处理不确定性和模糊信息。它通常用于决策树和知识发现领域。在Python中，我们可以使用`sklearn`库中的粗糙集算法来进行近似计算，但这并不直接内置。你需要先安装一些第三方库，如`roughsets`。

以下是一个简化的例子，展示如何使用`roughsets`库计算粗糙集的下近似（积极约简）和上近似（消极约简）。请注意，这只是一个基础示例，实际应用可能需要更复杂的处理：

from roughsets import RSApproximation

# 假设我们有一个包含属性和标签的数据集
data = [('A', 'Yes'), ('B', 'No'), ('C', 'Yes'), ('D', 'Yes'), ('E', 'No')]
attributes = ['Attribute1', 'Attribute2']
labels = ['Positive', 'Negative']

# 将数据转换成适当格式
X = [[attr in attr_val for attr in attributes] for attr_val, label in data]
Y = [label == 'Positive' for _, label in data]

# 创建粗糙集模型
rs_model = RSApproximation(X, Y)

# 计算下近似（积极约简）
positive_lower_approximation = rs_model.lowerapproximation()

# 计算上近似（消极约简）
negative_upper_approximation = rs_model.upperapproximation()

print("Positive Lower Approximation:", positive_lower_approximation)
print("Negative Upper Approximation:", negative_upper_approximation)