• Apriori 代碼

            
              import pandas as pd

#自定義連接函數，用于實現L_{k-1}到C_k的連接
def connect_string(x, ms):
	"""
	x:頻繁項集列表
	ms: 連接符，這里用 ‘---’
	return: 返回長度+1的頻繁項集，即L_{k-1}到C_k的連接
	"""
    x = list(map(lambda i:sorted(i.split(ms)), x)) #去除序列中的連接符，并將元素排列
	n = len(x[0]) #每個頻繁項集的長度為 n
	r = []
	for i in range(len(x)):
		for j in range(i,len(x)): # 遍歷每個元素，并與后面所有元素一一比對
			if x[i][:n-1] == x[j][:n-1] and x[i][n-1] != x[j][n-1]:# 當兩個序列的前 n-1 項相同且第 n 項不同
				r.append(x[i][:n-1]+sorted([x[j][n-1],x[i][n-1]])) # 將兩個序列不同的第 n 項和前 n-1 項拼接
	return r

#尋找關聯規則的函數
def find_rule(d, support, confidence, ms = u'---'):
	"""
	d:轉換后的0-1數據矩陣
	"""
	result = pd.DataFrame(index=['support', 'confidence']) #定義輸出結果
	
	support_series = 1.0*d.sum()/len(d) #支持度序列
	column = list(support_series[support_series > support].index) #初步根據支持度篩選，得一項頻繁集
	k = 0
	
	while len(column) > 1:
		k = k+1
		print(u'\n正在進行第%s次搜索...' %k)
		column = connect_string(column, ms) # 獲取新的頻繁項集
		print(u'數目：%s...' %len(column))
		sf = lambda i: d[i].prod(axis=1, numeric_only = True) #新一批支持度的計算函數
		# DataFrame.prod() 計算各軸的乘積，axis=1計算橫軸
		# i 為項集列表，形如：[a,c,e]，計算三列的橫向乘積，結果為‘1’表示該項集出現一次

		#創建連接數據，這一步耗時、耗內存最嚴重。當數據集較大時，可以考慮并行運算優化。
		d_2 = pd.DataFrame(list(map(sf,column)), index = [ms.join(i) for i in column]).T
		
		support_series_2 = 1.0*d_2[[ms.join(i) for i in column]].sum()/len(d) #計算連接后的支持度
		column = list(support_series_2[support_series_2 > support].index) #新一輪支持度篩選
		support_series = support_series.append(support_series_2)
		column2 = []
		
		for i in column: #遍歷可能的推理，如{A,B,C}究竟是A+B-->C還是B+C-->A還是C+A-->B？
			i = i.split(ms)
			for j in range(len(i)):
				column2.append(i[:j]+i[j+1:]+i[j:j+1])
		
		cofidence_series = pd.Series(index=[ms.join(i) for i in column2]) #定義置信度序列
 
		for i in column2: #計算置信度序列
			cofidence_series[ms.join(i)] = support_series[ms.join(sorted(i))]/support_series[ms.join(i[:len(i)-1])]
		
		for i in cofidence_series[cofidence_series > confidence].index: #置信度篩選
			result[i] = 0.0 # 建新列
			result[i]['confidence'] = cofidence_series[i]
			result[i]['support'] = support_series[ms.join(sorted(i.split(ms)))]
	
	result = result.sort_index(ascending=False) #結果整理，輸出
	print(u'\n結果為：')
	print(result.T)
	
	return result.T

            
          

• 使用代碼

            
              import pandas as pd
from apriori import * #導入自行編寫的apriori函數

inputfile = '../data/menu_orders.xls'
outputfile = '../tmp/apriori_rules.xls' #結果文件
data = pd.read_excel(inputfile, header = None)

print(u'\n轉換原始數據至0-1矩陣...')
ct = lambda x : pd.Series(1, index = x[pd.notnull(x)]) #轉換0-1矩陣的過渡函數，非空值轉換成‘1’
b = map(ct, data.values) #用map方式執行
data = pd.DataFrame(list(b)).fillna(0) #實現矩陣轉換，空值用0填充
print(u'\n轉換完畢。')
del b #刪除中間變量b，節省內存

support = 0.2 #最小支持度
confidence = 0.5 #最小置信度
ms = '---' #連接符，默認'--'，用來區分不同元素，如A--B。需要保證原始表格中不含有該字符

find_rule(data, support, confidence, ms).to_excel(outputfile) #保存結果