python关联规则挖掘

关联规则挖掘是一种数据挖掘技术，可以用于发现数据之间的关联关系。在Python中，可以使用`mlxtend`库来挖掘关联规则。具体步骤如下：

1. 安装`mlxtend`库

!pip install mlxtend

2. 导入库并读取数据

import pandas as pd
from mlxtend.preprocessing import TransactionEncoder

# 读取数据
data = [['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']]

# 转换数据格式
te = TransactionEncoder()
te_ary = te.fit(data).transform(data)
df = pd.DataFrame(te_ary, columns=te.columns_)

3. 挖掘关联规则

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

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

# 挖掘关联规则
rules = association_rules(frequent_itemsets, metric="confidence", min_threshold=0.7)

在上述代码中，`min_support`表示支持度阈值，`use_colnames`表示使用原始数据中的列名，`metric`表示评估关联规则的指标，`min_threshold`表示置信度阈值。最终得到的`rules`即为挖掘出的关联规则。