（1）设最小支持度阈值为40%和最小置信度阈值为70%，使用apyori库进行频繁项分析，并输出频繁项集及其支持度以及规则

以下是使用apyori库进行频繁项分析的Python代码示例，使用的数据集为示例数据集：

# 导入相关库
import pandas as pd
from apyori import apriori

# 读取数据集
data = pd.read_excel('data.xlsx', header=None)

# 将数据集转换成列表格式
records = []
for i in range(len(data)):
    records.append([str(data.values[i, j]) for j in range(len(data.columns))])

# 执行频繁项分析
frequent_itemsets = apriori(records, min_support=0.4, min_confidence=0.7, min_lift=1, min_length=2)

# 输出频繁项集及其支持度
for itemset in frequent_itemsets:
    print(itemset.items, itemset.support)

# 输出规则及其置信度和提升度
for itemset in frequent_itemsets:
    for rule in itemset.ordered_statistics:
        print(rule.items_base, '->', rule.items_add, rule.confidence, rule.lift)

其中，`records`是数据集转换成的序列列表，`apriori`函数执行频繁项分析，可以设置最小支持度阈值（`min_support`）、最小置信度阈值（`min_confidence`）、最小提升度阈值（`min_lift`）和最小项集长度（`min_length`）等参数。最后，使用for循环输出频繁项集及其支持度，以及规则及其置信度和提升度。