使用 pyfpgrowth 查找频繁模式

Question

我正在尝试使用pyfpgrowth库和 pandas找到频繁模式，首先我创建了一个带有一列的数据框，每一行都是一个事务，这里是代码：

import pyfpgrowth
import pandas as pd
import numpy as np
data = pd.read_csv("itemsets1.csv")
data = pd.DataFrame(data)
data.columns = ['itemsets']
data

输出：

patterns = pyfpgrowth.find_frequent_patterns(data['itemsets'],6)
patterns

输出：

{(' ',): 6, (' ', '1'): 8, ('1',): 9, ('1', '8'): 6, ('8',): 6}

实际上我在这里有两个问题，第一个是算法将空间作为错误的项目，第二个是项目的频率，例如项目一个“1”只出现一次，但在输出中它显示 9 也是错误的，请需要一些帮助

Answer 1

注意：我稍微改变了你的数据集

第一个问题的答案：该算法将列表作为输入。在您的情况下，算法已将每个字符拆分为列表的单独值，即 [5,1, ,2,8, ,2,7]

回答第二个问题：您说 1 出现一次是正确的，但从上面的示例中可以看出，由于错误拆分，1 出现了多次。

现在以正确的方式做：

首先，您需要将项集中的每个字符串拆分为一个列表：

data['itemsets'] = data.itemsets.apply(lambda x: x.split(' '))

输出：

接下来，“ find_frequent_patterns ”中的第二个参数是支持级别。这意味着一个项目（或一组项目）在所有交易组合中应该出现的最小次数。您输入了 6。您的数据集中没有出现 6 次的项目。让我们选择2。

patterns = pyfpgrowth.find_frequent_patterns(data['itemsets'],2)

输出：

{('10',): 4, ('10', '8'): 2, ('51',): 2, ('8', '81'): 2, ('81',): 4}

在上面的输出中，('10','8'):2表示 10 和 8 在整个数据集中出现了两次。

向前迈进一步，我们可以使用“generate_association_rules”根据截止值生成规则。例如：

rules = pyfpgrowth.generate_association_rules(patterns, .5)

输出：

{('10',): (('8',), 0.5), ('81',): (('8',), 0.5)}

这意味着 10 和 8 一起发生在整个数据集（即 4）中 10 的所有交易中的 50%