apriori算法中用python语言定义寻找关联规则的函数

以下是一个Python函数，可以用于Apriori算法中的关联规则挖掘：

def generate_rules(itemsets, min_confidence):
    # 该函数接受一个频繁项集列表和最小置信度作为输入
    # 返回一个包含所有满足最小置信度要求的关联规则的列表
    
    # 初始化一个空列表，用于存储关联规则
    rules_list = []
    
    # 遍历每个频繁项集，生成关联规则
    for itemset in itemsets:
        if len(itemset) > 1:
            for item in itemset:
                antecedent = frozenset([item])
                consequent = itemset - antecedent
                confidence = itemsets[itemset] / itemsets[antecedent]
                if confidence >= min_confidence:
                    rule = (antecedent, consequent, confidence)
                    rules_list.append(rule)
    
    return rules_list

该函数接受一个频繁项集列表和最小置信度作为输入，返回一个包含所有满足最小置信度要求的关联规则的列表。函数首先初始化一个空列表，然后遍历每个频繁项集。对于每个频繁项集，如果其包含多个元素，则遍历每个元素，并将其作为前项，将其余元素作为后项，计算置信度。如果置信度大于等于最小置信度，则将关联规则添加到列表中。最后，函数返回关联规则列表。