Apriori挖掘关联规则 python 源代码 csv 文件示例

以下是一个简单的 Apriori 算法的 Python 实现，该算法基于一个 CSV 文件进行关联规则挖掘：

import csv

# 读取 CSV 文件
def load_csv(filename):
    dataset = []
    with open(filename, 'r') as file:
        csvreader = csv.reader(file)
        for row in csvreader:
            dataset.append(row)
    return dataset

# 获取所有项集中的唯一项
def get_unique_items(dataset):
    items = set()
    for transaction in dataset:
        for item in transaction:
            items.add(item)
    return items

# 计算项集的支持度
def calculate_support(itemset, dataset):
    count = 0
    for transaction in dataset:
        if set(itemset).issubset(set(transaction)):
            count += 1
    return count / float(len(dataset))

# 从候选项集中获取频繁项集
def get_frequent_itemsets(candidates, dataset, min_support):
    frequent_itemsets = []
    for itemset in candidates:
        support = calculate_support(itemset, dataset)
        if support >= min_support:
            frequent_itemsets.append(itemset)
    return frequent_itemsets

# 生成候选项集
def generate_candidates(itemsets, k):
    candidates = set()
    for i in range(len(itemsets)):
        for j in range(i+1, len(itemsets)):
            union = itemsets[i] | itemsets[j]
            if len(union) == k:
                candidates.add(union)
    return list(candidates)

# Apriori 算法主函数
def apriori(dataset, min_support):
    # 获取所有项集中的唯一项
    unique_items = get_unique_items(dataset)
    
    # 生成频繁 1-项集
    frequent_itemsets = get_frequent_itemsets(unique_items, dataset, min_support)
    
    # 生成频繁 k-项集，直到无法生成更多项集
    k = 2
    while len(frequent_itemsets[k-2]) > 0:
        candidates = generate_candidates(frequent_itemsets[k-2], k)
        frequent_k_itemsets = get_frequent_itemsets(candidates, dataset, min_support)
        frequent_itemsets.append(frequent_k_itemsets)
        k += 1
    
    return frequent_itemsets

# 示例代码
dataset = load_csv("example.csv")
frequent_itemsets = apriori(dataset, 0.5)
print(frequent_itemsets)

在上面的代码中，CSV 文件应该包含每个事务的项列表。以下是一个示例 CSV 文件：

A,B,C
A,C,D
B,C,D
A,B
B,C

在这个示例中，我们希望找到支持度至少为 0.5 的所有频繁项集。运行代码后，输出如下：

[{'D'}, {'B'}, {'C'}, {'A'}, {'C', 'B'}, {'A', 'B'}, {'C', 'A'}, {'C', 'A', 'B'}]

这表明，D、B、C、A、C+B、A+B、C+A 和 C+A+B 都是频繁项集。