python 过滤关联规则

在Python中，过滤关联规则通常是在处理数据挖掘中的市场篮子分析，特别是Apriori算法应用时。关联规则是用来寻找在购物篮中频繁一起出现的商品对，比如“如果顾客购买了A商品，那么他们很可能也会购买B商品”。Python库如`mlxtend`或`frequent_patterns`提供了一些工具来实现这个过程。

例如，使用`mlxtend`库中的`apriori`函数可以生成频繁项集和关联规则：

from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori

# 假设df是一个包含商品ID的DataFrame
transactions = df['items'].values.tolist()

# 创建TransactionEncoder对象
te = TransactionEncoder()
te_ary = te.fit(transactions).transform(transactions)

# 使用apriori函数生成关联规则
frequent_itemsets = apriori(te_ary,
                            min_support=0.5,  # 设置最小支持度
                            use_colnames=True)  # 商品名作为项集的标签

# 排序并筛选出满足条件的关联规则
rules = frequent_itemsets[0][frequent_itemsets[0]['lift'] > 1]  # 可调整阈值以过滤规则