Apriori算法Python实现完整代码

以下是使用mlxtend库实现Apriori算法的Python代码：

from mlxtend.frequent_patterns import apriori
from mlxtend.preprocessing import TransactionEncoder

# 定义数据集
dataset = [['牛奶', '面包', '尿布'],
           ['可乐', '面包', '尿布', '啤酒'],
           ['牛奶', '尿布', '啤酒', '鸡蛋'],
           ['面包', '牛奶', '尿布', '啤酒'],
           ['面包', '牛奶', '尿布', '可乐']]

# 将数据集转换为TransactionEncoder格式
te = TransactionEncoder()
te_ary = te.fit(dataset).transform(dataset)

# 将TransactionEncoder格式转换为DataFrame格式
df = pd.DataFrame(te_ary, columns=te.columns_)

# 使用apriori算法挖掘频繁项集
frequent_itemsets = apriori(df, min_support=0.6, use_colnames=True)

# 输出频繁项集
print(frequent_itemsets)

以上代码中，使用了mlxtend库中的apriori函数来实现Apriori算法。首先将数据集转换为TransactionEncoder格式，然后使用apriori函数挖掘频繁项集。其中，min_support参数表示最小支持度，use_colnames参数表示是否使用列名作为频繁项集的元素。最后输出频繁项集。