我的数据框:

number  assignment_group    short_description   Issue LabelsReq123  Support             TP issue         Battery Failure

我的代码:

将数据框转换为列表

observations = []for i in range(len(df1)):    observations.append([str(df1.values[i,j]) for j in range(0,10)])

将数据拟合到算法中

from apyori import aprioriassociations = apriori(observations, min_length = 2, min_support = 0.2, min_confidence = 0.2, min_lift = 3)

将关联转换为列表

associations = list(associations)print(associations)

返回时没有输出。

回答：

我不知道你的 df1.values 具体是什么，但是使用以下代码是可以工作的:

df1 = [    'Aa', 'Aa', 'Aa', 'Aa', 'Aa',    'Bb', 'Cc', 'Dd', 'Ee', 'Ff',]observations = []for i in range(len(df1)):    observations.append([str(df1[i][j]) for j in range(0, 2)])

下面的代码可以正常运行:

from apyori import aprioriassociations = apriori(    observations,    min_length = 2,    min_support = 0.2,    min_confidence = 0.2,    min_lift = 2)associations = list(associations)print(associations)

输出结果是:

[    RelationRecord(        items=frozenset({'a', 'b'}),         support=0.5,         ordered_statistics=[            OrderedStatistic(                items_base=frozenset({'a'}),                       items_add=frozenset({'b'}),                confidence=1.0,                lift=2.0            ),             OrderedStatistic(                items_base=frozenset({'b'}),                items_add=frozenset({'a'}),                confidence=1.0,                lift=2.0            )        ]    )]

我只将 min_lift 从3改成了2。当它是3时，输出是空的。

Apriori算法用于寻找频繁项集作为各个集合之间的关联规则。项集的频繁程度和长度可以通过超参数进行调整。所以尝试不同的超参数，看看你会得到什么结果。