导入pandas库

import pandas as pd

导入mlxtend库中的apriori和association_rules函数

from mlxtend.frequent_patterns import apriori from mlxtend.frequent_patterns import association_rules

读取附件1和附件2的数据

df_products = pd.read_excel('附件1.xlsx') # 读取附件1的数据，存储为DataFrame对象df_products df_sales = pd.read_excel('附件2.xlsx') # 读取附件2的数据，存储为DataFrame对象df_sales

合并商品信息和销售数据

df_merged = df_sales.merge(df_products, on='单品编码', how='inner') # 根据单品编码将附件2的数据与附件1的数据进行合并，存储为DataFrame对象df_merged

创建交易数据表

basket = pd.pivot_table(df_merged, index='销售日期', columns='单品名称', values='销量', aggfunc='sum', fill_value=0) # 根据销售日期和单品名称创建交易数据表，其中值为销量，使用sum函数对重复值进行求和，缺失值填充为0

使用Apriori算法挖掘频繁项集

frequent_itemsets = apriori(basket, min_support=0.1, use_colnames=True) # 使用Apriori算法挖掘频繁项集，其中最小支持度为0.1，设置use_colnames为True表示使用列名而不是索引值

根据频繁项集生成关联规则

rules = association_rules(frequent_itemsets, metric='lift', min_threshold=1.0) # 根据频繁项集生成关联规则，其中使用lift作为评估指标，最小阈值为1.0

打印频繁项集和关联规则

print("频繁项集:") print(frequent_itemsets) # 打印频繁项集

print("\n关联规则:") print(rules) # 打印关联规则