【数据挖掘】Apriori算法初步应用

说在前面

• 操作系统：win10
• python版本：3.6.3
• kettle版本：8.3
• 数据集：Soda
• Apriori算法：【数据挖掘】笔记一-兴趣度度量&Apriori算法

数据处理

• 原数据格式
  
• 目标数据格式
  
• 转换方法
  【数据挖掘】Kettle分组合并

python code

• 相关库

  pip install pandas
  pip install mlxtend
  

• 代码

  import pandas as pd
  from mlxtend.preprocessing import TransactionEncoder
  from mlxtend.frequent_patterns import apriori, association_rules
  
  def getData(path):
  	nlist = []#读取已转换后的数据
  	index=0
  	with open(path,"r",encoding='utf-8') as f:
  		lines = f.readlines()
  		for line in lines:
  			line_elems = line.split(';')
  			nlist_elem=[]
  			for i in line_elems:
  				if i[0] != ' ':
  					nlist_elem.append(i.strip().split(' ')[0])
  			nlist.append(nlist_elem)
  			#print(nlist_elem)
  	return nlist
  
  
  shopping_list = getData("file.txt") 
  
   # 使用TransactionEncoder将原始数据转为mlxtend接受的特定数据格式
  te = TransactionEncoder() 
  # 转为布尔值的array
  df_tf = te.fit_transform(shopping_list)  
  # print(df_tf)
  # 转为dataframe形式，将列名转化为原来的商品名
  df = pd.DataFrame(df_tf, columns=te.columns_)  
  print(df)
  
  # 设置最小支持度
  frequent_itemsets = apriori(df, min_support=0.003, use_colnames=True)
  # 设置按照支持度从大到小排序
  frequent_itemsets.sort_values(by='support', ascending=False, inplace=True)
  print(frequent_itemsets)
  
  # 设置使用最小置信度
  rules = association_rules(frequent_itemsets,metric='confidence',min_threshold=0.9)
  # 设置按照置信度重大到小排序
  rules.sort_values(by='confidence', ascending=False, inplace=True)
  print(rules)
  
  rules.to_csv('test.csv', encoding='gbk')
  

• 结果
  这个数据集不是很好，可能还需要预处理一下，，，，