如何使用 Apriori 工具包
Apriori 雖然是十大算法之一，不過在 sklearn 工具包中並沒有它，也沒有 FP-Growth 算法。。這裏教你個方法，來選擇 Python 中可以使用的工具包，搜索工具包。
efficient-apriori 1.0.0找到這個工具包，然後在終端（windows 中叫anaconda prompt）
輸入：pip install efficient-apriori
然後重新進入jupyter 模式；
接下來我們用這個工具包，跑一下超市購物的例子
from efficient_apriori import apriori
# 設置數據集
data = [('牛奶','麪包','尿布'),
('可樂','麪包', '尿布', '啤酒'),
('牛奶','尿布', '啤酒', '雞蛋'),
('麪包', '牛奶', '尿布', '啤酒'),
('麪包', '牛奶', '尿布', '可樂')]
# 挖掘頻繁項集和頻繁規則
itemsets, rules = apriori(data, min_support=0.5, min_confidence=1)
print(itemsets)
print(rules)
其中 data 是我們要提供的數據集，它是一個 list 數組類型。min_support 參數爲最小支持度，用小數表示（不要用百分數）
min_confidence 是最小置信度，用小數表示（不要用百分數）
實際上，data 是個 List 數組類型，其中每個值都可以是一個集合。實際上你也可以把 data 數組中的每個值設置爲 List 數組類型，比如：
data = [['牛奶','麪包','尿布'],
['可樂','麪包', '尿布', '啤酒'],
['牛奶','尿布', '啤酒', '雞蛋'],
['麪包', '牛奶', '尿布', '啤酒'],
['麪包', '牛奶', '尿布', '可樂']]
efficient-apriori 工具包把每一條數據集裏的項式都放到了一個集合中進行運算，並沒有考慮它們之間的先後順序。因爲實際情況下，同一個購物籃中的物品也不需要考慮購買的先後順序。
而其他的 Apriori 算法可能會因爲考慮了先後順序，出現計算頻繁項集結果不對的情況。所以，建議使用efficient-apriori工具包。
挖掘導演是如何選擇演員的
由於沒有公開的數據集可以使用，我們需要使用 Python 爬蟲進行數據採集。
同導演選擇演員的規則是不同的，因此我們需要先指定導演。數據源我們選用豆瓣電影。
我們先在豆瓣電影上輸入“甯浩”，然後：
頁面會呈現出來導演之前的所有電影，然後對頁面進行觀察，你能觀察到以下幾個現象：
1、頁面默認是 15 條數據反饋，第一頁會返回 16 條。其中第一條是導演簡要介紹，可以將其理解爲廣告，接下來的內容纔是我們要爬取的重點。
2、每條數據的最後一行是電影的演出人員的信息，第一個人員是導演，其餘爲演員姓名。姓名之間用“/”分割。
抓取程序的目的是爲了生成甯浩導演（你也可以抓取其他導演）的數據集，結果會保存在 csv 文件中。完整的抓取代碼如下：
# -*- coding: utf-8 -*-
# 下載某個導演的電影數據集
from efficient_apriori import apriori
from lxml import etree
import time
from selenium import webdriver
import csv
driver = webdriver.Edge()
# 設置想要下載的導演 數據集
director = u'甯浩'
# 寫 CSV 文件
file_name = './' + director + '.csv'
base_url = 'https://movie.douban.com/subject_search?search_text='+director+'&cat=1002&start='
out = open(file_name,'w', newline='', encoding='utf-8-sig')
csv_write = csv.writer(out, dialect='excel')
flags=[]
# 下載指定頁面的數據
def download(request_url):
driver.get(request_url)
time.sleep(1)
html = driver.find_element_by_xpath("//*").get_attribute("outerHTML")
html = etree.HTML(html)
# 設置電影名稱，導演演員 的 XPATH
movie_lists = html.xpath("/html/body/div[@id='wrapper']/div[@id='root']/div[1]//div[@class='item-root']/div[@class='detail']/div[@class='title']/a[@class='title-text']")
name_lists = html.xpath("/html/body/div[@id='wrapper']/div[@id='root']/div[1]//div[@class='item-root']/div[@class='detail']/div[@class='meta abstract_2']")
# 獲取返回的數據個數
num = len(movie_lists)
if num > 15: # 第一頁會有 16 條數據
# 默認第一個不是，所以需要去掉
movie_lists = movie_lists[1:]
name_lists = name_lists[1:]
for (movie, name_list) in zip(movie_lists, name_lists):
# 會存在數據爲空的情況
if name_list.text is None:
continue
# 顯示下演員名稱
print(name_list.text)
names = name_list.text.split('/')
# 判斷導演是否爲指定的 director
if names[0].strip() == director and movie.text not in flags:
# 將第一個字段設置爲電影名稱
names[0] = movie.text
flags.append(movie.text)
csv_write.writerow(names)
print('OK') # 代表這頁數據下載成功
print(num)
if num >= 14: # 有可能一頁會有 14 個電影
# 繼續下一頁
return True
else:
# 沒有下一頁
return False
# 開始的 ID 爲 0，每頁增加 15
start = 0
while start<10000: # 最多抽取 1 萬部電影
request_url = base_url + str(start)
# 下載數據，並返回是否有下一頁
flag = download(request_url)
if flag:
start = start + 15
else:
break
out.close()
print('finished')
csv文件結果如下：
提示：運行上述代碼，你已經打開的Edge會被重啓！（如果你沒用固然好，要是你用了，那麼要對寫的文檔做好在線保存！否則會被強行中斷！！！）
有了數據之後，我們就可以用 Apriori 算法來挖掘頻繁項集和關聯規則，代碼如下
# -*- coding: utf-8 -*-
from efficient_apriori import apriori
import csv
director = u'甯浩'
file_name = './'+director+'.csv'
lists = csv.reader(open(file_name, 'r', encoding='utf-8-sig'))
# 數據加載
data = []
for names in lists:
name_new = []
for name in names:
# 去掉演員數據中的空格
name_new.append(name.strip())
data.append(name_new[1:])
# 挖掘頻繁項集和關聯規則
itemsets, rules = apriori(data, min_support=0.5, min_confidence=1)
print(itemsets)
print(rules)
代碼中都設定了最小支持度和最小置信係數，這樣我們可以找到支持度大於 50%，置信係數爲 1 的頻繁項集和關聯規則。
運行結果：
{1: {('徐崢',): 5, ('黃渤',): 6}, 2: {('徐崢', '黃渤'): 5}}
[{徐崢} -> {黃渤}]
你能看出來，甯浩導演喜歡用徐崢和黃渤，並且有徐崢的情況下，一般都會用黃渤。你也可以用上面的代碼來挖掘下其他導演選擇演員的規律。
總結
實戰最主要的是爬取數據，尤其是環境的搭建和最後編碼部分。
算法有現成的包efficient-apriori 美 ['eɪprɪ'ɔrɪ]可以使用
Apriori 算法中的最小支持度和最小置信度，一般設置爲多少比較合理？
首先，這兩個值與數據集大小特徵相關。一般來說最小支持度常見的取值有0.5，0.1, 0.05。最小置信度常見的取值有1.0, 0.9, 0.8。可以通過嘗試一些取值，然後觀察關聯結果的方式來調整最小值尺度和最小置信度的取值。
參考文獻：
chome瀏覽器驅動與對應版本https://blog.csdn.net/cz9025/article/details/70160273
chome瀏覽器漢化下載地址：https://www.wlrjy.com/Soft/156406.html
selenium模擬瀏覽器+chrome+windows：https://blog.csdn.net/qq_38788128/article/details/80525695
是由於瀏覽器驅動與瀏覽器版本不一致造成的！（值得一提的是chrome沒有找到官方win64的webdriver，所以chome在w64上用不了）
建議：如果你是linux，mac操作系統，那麼按照上面的參考文獻，就可以完美完成安裝。如果你是window電腦，建議使用自帶的Edge瀏覽器，然後你可以在這個官網下載webdriver（注意與Edge版本匹配）。最後，將下載的webdriver文件複製到python安裝目錄下（Anaconda放在Anaconda的安裝目錄下！！！）
selenium初探:WebDriverException解決方法探索(以Chrome瀏覽器|IE瀏覽器|Edge瀏覽器爲例)