写一个关联规则的python代码

这是一个使用 Apriori 算法实现关联规则的示例代码：

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

# 构造一个测试数据集，其中每一行是一个交易记录
dataset = [['牛奶', '面包', '蛋糕'],
           ['牛奶', '面包', '尿布', '蛋糕'],
           ['牛奶', '面包', '尿布', '蛋糕'],
           ['牛奶', '面包', '尿布', '橙汁'],
           ['面包', '尿布', '橙汁'],
           ['牛奶', '面包', '橙汁']]

# 将数据集转换为一个矩阵
transactions = []
for transaction in dataset:
    transactions.append([item for item in transaction])

# 计算频繁项集
frequent_itemsets = apriori(transactions, min_support=0.5, use_colnames=True)

# 根据频繁项集生成关联规则
association_rules = association_rules(frequent_itemsets, metric="confidence", min_threshold=0.5)

# 显示生成的关联规则
print(association_rules)

这个代码使用了`mlxtend`库，需要在程序开头进行安装：

!pip install mlxtend