python 实现关联规则

关联规则是一种在数据挖掘中常用的算法，用于发现数据集中的项之间的关联关系。Python中有多种库可以实现关联规则挖掘，其中最常用的是`mlxtend`库和`apyori`库。

下面以`mlxtend`库为例，介绍如何实现关联规则。

安装`mlxtend`库：

pip install mlxtend

导入库：

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

生成样本数据：

data = {'Transaction ID': ['1001', '1001', '1002', '1003', '1003', '1003', '1004', '1004', '1005', '1005'],
        'Item': ['Bread', 'Milk', 'Bread', 'Bread', 'Milk', 'Diaper', 'Bread', 'Milk', 'Bread', 'Milk']}
df = pd.DataFrame(data)

使用`apriori`函数生成频繁项集：

frequent_itemsets = apriori(df.groupby(['Transaction ID', 'Item'])['Item'].count().unstack().reset_index().fillna(0).set_index('Transaction ID'), min_support=0.5, use_colnames=True)

使用`association_rules`函数生成关联规则：

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

关联规则的输出如下：

   antecedents consequents  antecedent support  consequent support  support  confidence      lift
0     (Bread)      (Milk)                 0.6                 0.4      0.4    0.666667  1.666667
1      (Milk)     (Bread)                 0.4                 0.6      0.4    1.000000  1.666667