apriori python 3

apriori 模块 python 3 使用方法： apriori=find_rule(data_1, support, confidence, ms='-->')

# -*- coding: utf-8 -*-
from __future__ import print_function
import pandas as pd



# 自定义连接函数，用于实现L_{k-1}到C_k的连接
def connect_string（x ms）:
    x = list（map（lambda i: sorted（i.split（ms）） x））
    l = len（x[0]）
    r = []
    for i in range（len（x））:
        for j in range（i len（x））:
            if x[i][:l - 1] == x[j][:l - 1] and x[i][l - 1] != x[j][l - 1]:
                r.append（x[i][:l - 1] + sorted（[x[j][l - 1] x[i][l - 1]]））
    return r


# 寻找关联规则的函数
def find_rule（d support confidence ms=u‘--‘）:
    result = pd.Dataframe（index=[‘support‘ ‘confidence‘]）  # 定义输出结果

    support_series = 1.0 * d.sum（） / len（d）  # 支持度序列
    column = list（support_series[support_series > support].index）  # 初步根据支持度筛选
    k = 0

    while len（column） > 1:
        k = k + 1
        print（u‘\n正在进行第%s次搜索...‘ % k）
        column = connect_string（column ms）
        print（u‘数目：%s...‘ % len（column））
        sf = lambda i: d[i].prod（axis=1 numeric_only=True）  # 新一批支持度的计算函数

        # 创建连接数据，这一步耗时、耗内存最严重。当数据集较大时，可以考虑并行运算优化。
        d_2 = pd.Dataframe（list（map（sf column）） index=[ms.join（i） for i in colu