python使用mlxtend库强关联规则分析纸尿布和啤酒

首先，我们需要安装mlxtend库，可以使用以下命令：

!pip install mlxtend

接下来，我们需要准备数据集。假设我们有一份购物清单数据，其中包含了每个顾客购买的商品列表。我们可以将这个数据集保存为一个CSV文件，每一行表示一个顾客购买的商品列表，每个商品之间用逗号分隔。

例如：

面包, 牛奶, 尿布
面包, 啤酒, 尿布, 鸡蛋
牛奶, 啤酒, 尿布, 书籍
面包, 牛奶, 啤酒, 尿布
面包, 牛奶, 啤酒

接下来，我们可以使用mlxtend库中的关联规则分析函数来得到强关联规则。具体步骤如下：

1. 导入mlxtend库中的关联规则分析函数

   from mlxtend.frequent_patterns import apriori
   from mlxtend.frequent_patterns import association_rules

2. 加载数据集

   import pandas as pd
   data = pd.read_csv('shopping_list.csv', header=None)

3. 将数据集转换为独热编码格式，便于关联规则分析

   from mlxtend.preprocessing import TransactionEncoder
   te = TransactionEncoder()
   te_ary = te.fit(data).transform(data)
   df = pd.DataFrame(te_ary, columns=te.columns_)

4. 使用apriori函数获得频繁项集

   frequent_itemsets = apriori(df, min_support=0.2, use_colnames=True)

在这里，我们设置了最小支持度为0.2，意味着一个商品组合出现的频率必须大于等于20%才会被认为是频繁项集。

5. 使用association_rules函数获得强关联规则

   rules = association_rules(frequent_itemsets, metric="lift", min_threshold=1)

在这里，我们使用了lift指标来衡量关联规则的强度，并设置了最小lift值为1。

最后，我们可以使用以下代码来查看强关联规则：

print(rules)

输出结果将会是一个DataFrame，包含了强关联规则的各种信息，例如支持度、置信度、lift等。可以根据需要选择输出的信息。