用除了mlxtend库的其它库实现apriori

除了mlxtend库，我们也可以使用其他Python库实现apriori算法，例如efficient-apriori库。

可以通过以下命令安装efficient-apriori库：

pip install efficient-apriori

下面是一个简单的例子，展示如何使用efficient-apriori库中的apriori算法来发现频繁项集：

from efficient_apriori import apriori

# 创建示例数据集
dataset = [('Milk', 'Onion', 'Nutmeg', 'Kidney Beans', 'Eggs', 'Yogurt'),
           ('Dill', 'Onion', 'Nutmeg', 'Kidney Beans', 'Eggs', 'Yogurt'),
           ('Milk', 'Apple', 'Kidney Beans', 'Eggs'),
           ('Milk', 'Unicorn', 'Corn', 'Kidney Beans', 'Yogurt'),
           ('Corn', 'Onion', 'Onion', 'Kidney Beans', 'Ice cream', 'Eggs')]

# 使用apriori算法发现频繁项集和关联规则
itemsets, rules = apriori(dataset, min_support=0.6, min_confidence=0.7)

# 输出发现的频繁项集和关联规则
print(itemsets)
print(rules)

上面的代码中，我们首先创建了一个示例数据集，然后使用apriori算法来发现频繁项集和关联规则。`min_support`参数用于指定最小支持度，即在数据集中出现的次数占比超过该值的项集才被认为是频繁项集；`min_confidence`参数用于指定最小置信度，即规则的置信度必须大于该值才被认为是强关联规则。运行代码后，会输出发现的频繁项集和关联规则。