数据挖掘复盘——apriori

read_csv函数返回的数据类型是Dataframe类型 

对于Dataframe类型使用条件表达式 

df=df.loc[df.loc[:,0]==2]

1. df: 这是一个DataFrame对象的变量名，表示一个二维的表格型数据结构，类似于电子表格或SQL表。

2. df.loc[:, 0]: 这是使用DataFrame的.loc属性来进行选择操作。: 表示选择所有的行，而 , 0 表示选择所有的列中的第一列。这个操作的结果是选取了DataFrame中的第一列数据。

3. df.loc[df.loc[:, 0] == 2]: 这一部分是将条件筛选应用于DataFrame。具体而言，它选择了第一列中等于2的行。内部的 df.loc[:, 0] == 2 是一个条件表达式，返回一个布尔型的Series，其中元素为True表示对应行的第一列等于2，False表示不等于2。

        通过在loc中嵌套条件表达式，可以实现返回布尔类型series，从而输出对应条件的数据（筛选后的）。

综合起来，整个语句的作用是从DataFrame中选择所有第一列等于2的行，然后将结果重新赋值给变量df。换句话说，它过滤了DataFrame，只保留了第一列中值为2的行。

dropna中axis=1和axis=0分别代表什么

在 Pandas 的 `dropna` 方法中，`axis` 参数用于指定操作的轴，可以是行轴（axis=0）或列轴（axis=1）。具体解释如下：axis=0：表示操作沿着行的方向进行，即删除包含缺失值的行。如果某一行中至少有一个元素是缺失值，整个行将被删除。

  df.dropna(axis=0)

axis=1：表示操作沿着列的方向进行，即删除包含缺失值的列。如果某一列中至少有一个元素是缺失值，整个列将被删除。

  df.dropna(axis=1)

使用这两个选项，你可以根据需要删除DataFrame中包含缺失值的行或列。如果不提供 `axis` 参数，默认值是 `axis=0`，即删除包含缺失值的行。

精简一下，axis=0对应行，axis=1对应列。

调用apriori算法之前要使用

te = TransactionEncoder()   # 定义模型

 

转换成list of list形式

将 DataFrame 转换为 Python 列表。这样做的目的可能是为了后续的数据处理，因为一些库（比如 Apriori 算法）可能更适用于处理列表而不是 DataFrame。

df_arr=df.values.tolist()

 

 

df_tf=te.fit_transform(df_arr)

列表中的数值全部转换称为bool类型数据

 

frequent_itemsets = apriori(df,min_support=0.4,use_colnames=True)   # use_colnames=True表示使用元素名字，默认的False使用列名代表元素

使用apriori算法，设置最小置信度以及是否使用列标题。通过上述代码查找对应的频繁项集。

idx = frequent_itemsets["itemsets"].apply(lambda x: 2 in x)

创建一个索引数组，其中每个元素表示对应的项集中是否包含元素2。对于 Series 中的每个元素，这里使用了 apply 函数，其中的 lambda x: 2 in x 是一个匿名函数，表示对于每个频繁项集（表示为 x），检查元素2是否在其中。这一部分的结果是一个包含布尔值的 Series，其中 True 表示对应的频繁项集中包含元素2，而 False 表示不包含。

 

 

print(frequent_itemsets.loc[idx])

 输出包含2项的频繁项集。