import pandas as pd
from apriori_new import * #導入自行編寫的apriori函數
import time #導入時間庫用來計算用時
import re
import random
import pandas as pd
# 自定義關聯規則算法
def connect_string(x, ms):
x = list(map(lambda i: sorted(i.split(ms)), x))
l = len(x[0])
r = []
# 生成二項集
for i in range(len(x)):
for j in range(i, len(x)):
# if x[i][l-1] != x[j][l-1]:
if x[i][:l - 1] == x[j][:l - 1] and x[i][l - 1] != x[j][
l - 1]: # 判斷數字和字母異同，初次取字母數字不全相同（即不同癥狀（字母），或同一證型程度不同（數字））
r.append(x[i][:l - 1] + sorted([x[j][l - 1], x[i][l - 1]]))
return r
# 尋找關聯規則的函數
def find_rule(d, support, confidence, ms=u'--'):
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,符合條件支持度，共 276個index證型
k = 0
while len(column) > 1: # 隨著項集元素增多 可計算的column（滿足條件支持度的index）會被窮盡，隨著證型增多，之間的關系會越來越不明顯，（同時發生可能性是小概率了）
k = k + 1
print(u'\n正在進行第%s次搜索...' % k)
column = connect_string(column, ms)
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
len(d)
# 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。
# 依次對column每個元素（如[['A1', 'A2'], ['A1', 'A3']]中的['A1', 'A2']）運算，計算data_model_中對應該行的乘積，930個，若['A1', 'A2']二者同時發生為1則此行積為1
d_2 = pd.DataFrame(list(map(sf, column)),index=[ms.join(i) for i in column]).T # list(map(sf,column)) 276X930 index 276
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) # 由'A1--B1' 轉化為 ['A1', 'B1']
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 如i為['B1', 'A1']
# i置信度計算：i的支持度除以第一個證型的支持度，表示第一個發生第二個發生的概率
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 # B1--A1 0.330409 A1--B1 0.470833,絕大部分是要剔除掉的，初次全剔除
result[i]['confidence'] = cofidence_series[i]
result[i]['support'] = support_series[ms.join(sorted(i.split(ms)))]
result = result.T.sort_values(by=['confidence', 'support'],ascending=False) # 結果整理，輸出,先按confidence升序，再在confidence內部按support升序，默認升序，此處降序
return result
關聯規則應用舉例
sku_list = [
'0000001','0000002','0000003','0000004','0000005',
'0000006','0000007','0000008','0000009','0000010',
'0000011','0000012','0000013','0000014','0000015',
'0000016','0000017','0000018','0000019','0000020',
'A0000001','A0000002','A0000003','A0000004','A0000005',
'A0000006','A0000007','A0000008','A0000009','A0000010',
'A0000011','A0000012','A0000013','A0000014','A0000015',
'A0000016','A0000017','A0000018','A0000019','A0000020',
]
# 隨機抽取數據生成列表
mat = [ random.sample(sku_list, random.randint(2,5)) for i in range(100)]
data = pd.DataFrame(mat,columns=["A","B","C","D","E"])
data = pd.get_dummies(data) # 轉換類別變量矩陣
data = data.fillna(0)
