【机器学习】【贝叶斯算法】Python实现数据预处理实战演练（以购物数据为例）

import pandas as pd
from mlxtend.frequent_patterns import apriori
from mlxtend.frequent_patterns import association_rules
retail_shopping_basket = {'ID': [1, 2, 3, 4, 5, 6],
                          'Basket': [['Beer', 'Diaper', 'Pretzels', 'Chips', 'Aspirin'],
                                     ['Diaper', 'Beer', 'Chips', 'Lotion', 'Juice', 'BabyFood', 'Milk'],
                                     ['Soda', 'Chips', 'Milk'],
                                     ['Soup', 'Beer', 'Diaper', 'Milk', 'IceCream'],
                                     ['Soda', 'Coffee', 'Milk', 'Bread'],
                                     ['Beer', 'Chips']]
                          }
retail = pd.DataFrame(retail_shopping_basket)
retail = retail[['ID', 'Basket']]
pd.options.display.max_colwidth = 100
retail

日常中见到的购物数据往往是所购买的数据而不是全部数据

数据集中都是字符串组成的，需要转换成数值编码

将展示不需要的字段属性拿出来

retail_id=retail.drop(columns=['Basket'])
retail_id

根据每个数据集特性找到其分割符，如该数据集中的分隔符为,

retail_Basket=retail.Basket.str.join(',')
retail_Basket

retail_Basket=retail_Basket.str.get_dummies(",")
###get_dummies()需要告知其分隔符    该函数主要用于进行数据处理
##列属性为所有出现的属性   出现了则该记录该属性为1
retail_Basket

retail=retail_id.join(retail_Basket)##将无关项重新组合
retail

 后续在选择频繁项集与确定规则时不需要其他无关属性

frequent_itemsets_2=apriori(retail.drop(columns=['ID']),use_colnames=True)
##min_support默认为0.5
frequent_itemsets_2

association_rules(frequent_itemsets_2,metric='lift')

lift值越大则相关性越强