apriori算法python实现

可以使用 Python 中的 mlxtend 库来实现 Apriori 算法。

首先需要安装 mlxtend，可以使用以下命令：

pip install mlxtend

然后，我们可以使用以下代码实现 Apriori 算法：

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

# 样本数据
dataset = [['鸡肉', '啤酒'], ['鸡肉', '尿布', '葡萄酒', '甜甜圈'], ['尿布', '啤酒', '葡萄酒', '鸡肉'], ['尿布', '葡萄酒', '鸡肉'], ['鸡肉', '啤酒']]

# 转换数据格式
te = TransactionEncoder()
te_ary = te.fit(dataset).transform(dataset)
df = pd.DataFrame(te_ary, columns=te.columns_)

# 使用 Apriori 算法寻找频繁项集
frequent_itemsets = apriori(df, min_support=0.6, use_colnames=True)

print(frequent_itemsets)

这里我们使用了一个简单的样本数据，实际应用中可以根据需求自行准备数据。在代码中，我们首先使用 `TransactionEncoder` 转换数据格式，然后使用 `apriori` 函数寻找频繁项集，其中 `min_support` 参数指定最小支持度阈值。

运行以上代码，即可得到频繁项集的结果。