需求：對超市購物小票資訊進行分析，得到商品的關聯關係，從而向用戶進行推薦，提升營業額。

資料：BreadBasket_DMS.csv

所用演算法：apriori

完整程式碼：

# 表格容器，對錶格進行處理
import pandas as pd
import time

# 資料載入(得到DataFrame)
data = pd.read_csv('./BreadBasket_DMS.csv')

# 統一小寫(Item列的資料全部小寫)
data['Item'] = data['Item'].str.lower()
# 去掉none項(通過拿到具體的行索引來刪除掉資料)
data = data.drop(data[data.Item == '
 
none'].index)


# 採用efficient_apriori工具包
def rule1():
    from efficient_apriori import apriori
    # 當前時間(此時主要程式碼開始)
    start = time.time()
    # 得到一維陣列orders_series(是一個類似於一維陣列的series物件)，並且將Transaction作為index, value為Item取值
    # 然後就出現了同一個索引對應多個值
    # orders_series型別是pandas.core.series.Series
    orders_series = data.set_index('
 
Transaction')['Item']
    # print(orders_series)

    # print("=============列印測試==============")
    # print(orders_series.items())
    # print("=============列印測試==============")

    # 將資料集轉換成apriori模型需要的形式
    # 將資料集進行格式轉換(建立列表，等下里面放集合(集合裡面資料不重複))
    transactions = []

    temp_index = 0
    for i, v in
 
 orders_series.items():
        if i != temp_index:
            # set() 函式建立一個無序不重複元素集(這樣可以保證訂單裡面的物品不重複，即我只關心你買了什麼，不關心你相同物品買了多少)
            temp_set = set()
            temp_index = i
            temp_set.add(v)
            transactions.append(temp_set)
        else:
            # 因為是set集合，所以重複的物品不會新增進來
            temp_set.add(v)

    # 挖掘頻繁項集和頻繁規則(同時定義閾值min_support和min_confidence)
    # transactions包含了所有訂單資訊，但是同一個訂單中刪除了重複物品(相同物品只保留一個)
    itemsets, rules = apriori(transactions, min_support=0.02, min_confidence=0.5)
    print('頻繁項集：', itemsets)
    print('關聯規則：', rules)
    # 當前時間(此時主要程式碼結束)
    end = time.time()
    print("用時：", end - start)

# 使>=1的數值全部變為1，目的是隻考慮你買了啥，不考慮同一件商品你買了多少
def encode_units(x):
    if x <= 0:
        return 0
    if x >= 1:
        return 1


# 這裡用到的模型是機器學習擴充套件包
# 採用mlxtend.frequent_patterns工具包
def rule2():
    from mlxtend.frequent_patterns import apriori
    from mlxtend.frequent_patterns import association_rules
    pd.options.display.max_columns = 100
    # 開始時間
    start = time.time()
    # stack()即“堆疊”，作用是將列旋轉到行(預設操作最裡層資料)
    # unstack()即stack()的反操作，將行旋轉到列(預設操作最裡層資料)
    # reset_index()把索引重置(從0開始)  把原來的索引刪掉
    # .fillna(0)，填充缺失資料(這裡用常數0填充NaN)
    # set_index('Transaction') 索引還是用Transaction
    # 按照['Transaction', 'Item']進行分組(同一個訂單、相同的商品分到一組)，然後對['Item']列進行後續資料處理
    hot_encoded_df = data.groupby(['Transaction', 'Item'])['Item'].count().unstack().reset_index().fillna(
        0).set_index('Transaction')
    # print(hot_encoded_df)



    # print("=============列印測試(開始)==============")
    # print()
    # print("=============列印測試(結束)==============")

    # 先計算頻繁項集、再計算關聯規則
    # 將自定義函式encode_units作用於DataFrame的所有元素(使>=1的數值全部變為1，目的是隻考慮你買了啥，不考慮同一件商品你買了多少)
    hot_encoded_df = hot_encoded_df.applymap(encode_units)
    # 設定資料集、最小支援度、是否使用列名(因為是熱編碼資料，所以列名就是商品名)
    # 獨熱編碼(one-hot編碼)
    frequent_itemsets = apriori(hot_encoded_df, min_support=0.02, use_colnames=True)
    # metric(判定標準，這裡設定判定標準為lift提升度),min_threshold(metric引數的閾值)
    # 因為下面設定lift>=1了,所以這裡的0.5就沒有作用了(其實lift>1才有意義)
    rules = association_rules(frequent_itemsets, metric="lift", min_threshold=0.5)
    print("頻繁項集：", frequent_itemsets)
    # 進一步篩選出提升度lift>=1和置信度>=0.5的關聯規則
    print("關聯規則：", rules[(rules['lift'] >= 1) & (rules['confidence'] >= 0.5)])

    # print("=============列印測試==============")
    # print(rules['lift'])
    # print("=============列印測試==============")

    # 結束時間
    end = time.time()
    print("用時：", end - start)


# 兩個規則分別執行
# rule1()
print('-' * 100)
rule2()