1

我的数据集是一个与客户购买信息相当的邻接矩阵。一个示例玩具数据集：

p = {'A': [0,1,0,1], 'B': [1,1,1,1], 'C': [0,0,1,1], 'D': [1,1,1,0]}
df = pd.DataFrame(data=p)
df

现在我对频繁项集感兴趣，所以我使用了一个 apriori fim：

from mlxtend.frequent_patterns import apriori
frequent_itemsets = apriori(df, min_support=0.1, use_colnames=True)
frequent_itemsets

现在我们看到项目集 (D,B) 出现在 75% 的数据集中。但我实际上对这个项目集出现的行感兴趣，因为索引有一些信息（哪个客户购买了这些项目）。

很快，我很好奇如何在我的数据集中过滤以查看哪些行对应于特定的项目集。这个包/库中是否有这样的功能。这样我就可以过滤第 0,1 行和第 2 行中出现的项目集 (D,B)？

4

1 回答 1

1

似乎没有直接的方法可以通过apriori. 但是，一种方法如下：

from mlxtend.frequent_patterns import apriori

frequent_itemsets = apriori(df, min_support=0.1, use_colnames=True)
# lists of columns where value is 1 per row
cols = df.dot(df.columns).map(set).values.tolist()
# use sets to see which rows are a superset of the sets in cols
set_itemsets = map(set,frequent_itemsets.itemsets.values.tolist())
frequent_itemsets['indices'] = [[ix for ix,j in enumerate(cols) if i.issubset(j)] 
                                 for i in set_itemsets]

print(frequent_itemsets)

    support   itemsets       indices
0      0.50        (A)        [1, 3]
1      1.00        (B)  [0, 1, 2, 3]
2      0.50        (C)        [2, 3]
3      0.75        (D)     [0, 1, 2]
4      0.50     (A, B)        [1, 3]
5      0.25     (A, C)           [3]
6      0.25     (A, D)           [1]
7      0.50     (C, B)        [2, 3]
8      0.75     (B, D)     [0, 1, 2]
9      0.25     (C, D)           [2]
10     0.25  (A, B, C)           [3]
11     0.25  (A, B, D)           [1]
12     0.25  (C, B, D)           [2]
于 2020-07-03T10:31:50.033 回答