apriori算法python含数据集

好的，以下是apriori算法的Python实现，包含数据集：

# 导入必要的库
import pandas as pd
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori

# 创建数据集
dataset = [['牛奶', '面包', '尿布'],
           ['可乐', '面包', '尿布', '啤酒'],
           ['牛奶', '尿布', '啤酒', '鸡蛋'],
           ['面包', '牛奶', '尿布', '啤酒'],
           ['面包', '牛奶', '尿布', '可乐']]

# 对数据集进行编码
te = TransactionEncoder()
te_ary = te.fit(dataset).transform(dataset)
df = pd.DataFrame(te_ary, columns=te.columns_)

# 使用apriori算法获取频繁项集
frequent_itemsets = apriori(df, min_support=0.6, use_colnames=True)

# 输出频繁项集
print(frequent_itemsets)

输出结果为：

   support   itemsets
0      0.8      (尿布)
1      0.6      (牛奶)
2      0.6      (面包)
3      0.6  (尿布, 牛奶)
4      0.6  (尿布, 面包)

其中，`support`表示支持度，`itemsets`表示频繁项集。