19 Python关联分析：从频繁项集到关联规则——哪些规则真正值得用？

Python 数据分析入门：从频繁项集到关联规则——哪些规则真正值得用？

适合人群：Python 初学者 / 数据分析入门 / 数据挖掘入门 / 教学案例分享

在上一篇里，我们已经解决了一个关键问题：

怎么从购物小票里找到高频商品组合？

也就是说，我们已经能够用 Apriori 找到像下面这样的频繁项集：

• {面包, 牛奶}
• {尿布, 啤酒}
• {面包, 牛奶, 尿布}

但问题来了：

• 高频组合就一定有业务价值吗？
• 同一个组合，为什么写成不同规则，意义会不一样？
• 超市到底应该拿哪条规则去做搭配推荐或者促销设计？

举个最直接的例子：

如果{啤酒, 尿布}很常见，那么我们可以写成：

• 啤酒 -> 尿布
• 尿布 -> 啤酒

看起来只是前后顺序调了一下，但它们的含义并不完全一样，实际价值也可能不同。

所以在关联分析里，找到频繁项集还不是终点。
下一步真正重要的是：

把频繁项集变成可用的关联规则，并筛选出真正值得关注的强关联规则。

本文继续沿用“校园超市购物小票分析”这个案例，带你理解：

• 频繁项集和关联规则到底有什么区别
• 为什么高频组合不等于好规则
• 强关联规则是怎么筛选出来的
• 如何用 Python 从频繁项集生成关联规则
• 怎么看支持度、置信度，以及规则结果表

如果你已经看完 Apriori 那一篇，这一篇就是最自然的下一步。

摘要

关联规则挖掘通常包括两个阶段：先找出所有频繁项集，再由频繁项集生成强关联规则。强关联规则需要满足最小支持度和最小置信度要求 [2]。本文以校园超市购物小票为案例，介绍如何从频繁项集出发构造关联规则，并重点说明频繁项集与关联规则的区别、支持度与置信度在规则筛选中的作用。文章结合 Python 代码，演示如何使用association_rules()生成规则，并输出规则的前件、后件、支持度和置信度，帮助初学者理解哪些规则真正具有应用价值 [2]。

一、导语：高频组合找到了，为什么还不够？

假设超市已经通过 Apriori 找到了很多高频商品组合，比如：

• {面包, 牛奶}
• {尿布, 啤酒}
• {面包, 牛奶, 尿布}

这时候很多初学者会觉得：

既然高频组合已经找到了，分析是不是就结束了？

其实还没有。

因为“经常一起出现”不等于“规则有价值”。

比如{啤酒, 尿布}很常见，确实说明这两个商品经常一起买。
但如果要拿它去做促销或推荐，还得进一步回答：

• 到底是“买啤酒的人更容易买尿布”
• 还是“买尿布的人更容易买啤酒”？
• 这条规则到底够不够稳定？
• 它适不适合做推荐逻辑？

这就是为什么频繁项集之后，还要继续做：

关联规则生成与筛选

二、先从一个真实问题开始：同一个组合，写成哪条规则更有意义？

继续沿用校园超市案例。

现在超市已经发现：

{啤酒, 尿布}

是一个频繁项集。

接下来，超市经理提出了一个更实际的问题：

如果我想做促销推荐，到底该写成哪条规则？

可能的写法有两种：

啤酒 -> 尿布 尿布 -> 啤酒

表面上看，这只是顺序换了一下，但业务含义完全不同：

• 啤酒 -> 尿布：买啤酒的人，是否倾向于顺便买尿布？
• 尿布 -> 啤酒：买尿布的人，是否倾向于顺便买啤酒？

这两条规则谁更强、谁更稳定、谁更适合做促销，不能靠感觉判断，而要靠数据指标来筛选。

三、频繁项集和关联规则，到底有什么区别？

这是这一课最容易混淆的地方。

1. 频繁项集是什么？

频繁项集是指：

经常一起出现的商品组合

比如：

• {面包, 牛奶}
• {尿布, 啤酒}

它强调的是：

这个组合常不常一起出现

2. 关联规则是什么？

关联规则是指：

从某个商品或商品组合，推导另一个商品或商品组合的关系

形式通常写成：

A -> B

例如：

面包 -> 牛奶

它强调的是：

当 A 出现时，B 是否也更可能出现

3. 一句话区分

可以先记住：

• 频繁项集 = 高概率一起出现的组合
• 关联规则 = 从一个组合推导另一个组合的规则

所以：

• {面包, 牛奶}是频繁项集
• 面包 -> 牛奶是关联规则

四、关联规则是怎么从频繁项集里生成出来的？

关联规则不是凭空来的，它是由频繁项集拆出来的。

比如频繁项集：

{面包, 牛奶}

就可以拆成两条规则：

面包 -> 牛奶 牛奶 -> 面包

再比如频繁项集：

{面包, 牛奶, 尿布}

就可以拆成更多规则，例如：

面包, 牛奶 -> 尿布 面包, 尿布 -> 牛奶 牛奶, 尿布 -> 面包 面包 -> 牛奶, 尿布 牛奶 -> 面包, 尿布

这也说明：

一个频繁项集，往往可以生成多条不同的关联规则。

但并不是所有规则都值得保留，还要进一步筛选。

五、什么样的规则才叫“强关联规则”？

在关联规则分析中，一般不是“只要能生成规则就拿来用”，而是要筛选出：

强关联规则

所谓强关联规则，通常要满足两个基本条件：

• 支持度达到要求
• 置信度达到要求

也就是说：

• 这条规则不能太少见
• 这条规则还得足够稳定

如果一条规则出现得很少，或者虽然出现了但并不可靠，那通常就不适合直接拿来做促销或推荐。

六、为什么高频组合不一定是好规则？

这一点特别值得讲清楚，因为学生很容易误解为：

“频繁项集已经很高频了，那从里面生成的规则肯定就有价值。”

其实不一定。

举个例子：

如果{啤酒, 尿布}很常见，只能说明：

• 啤酒和尿布经常一起出现

但这并不自动意味着：

• 买啤酒的人一定会买尿布
• 或者买尿布的人一定会买啤酒

因为：

• 啤酒本身出现次数可能不多
• 尿布本身出现次数可能更多
• 同样一个组合，换一个方向写成规则，强度就可能变掉

所以，频繁项集只能说明“组合常见”，但要判断规则值不值得用，还得继续看：

• 支持度
• 置信度

七、继续用校园超市案例：从频繁项集生成规则

还是用这组交易记录：

transactions=[['面包','牛奶'],['面包','尿布','啤酒','鸡蛋'],['牛奶','尿布','啤酒','可乐'],['面包','牛奶','尿布','啤酒'],['面包','牛奶','尿布','可乐']]

前面我们已经可以通过 Apriori 找出频繁项集。
接下来要做的，就是：

从这些频繁项集中，生成真正可用的规则。

八、Python 实操：从频繁项集生成关联规则

下面直接上代码。

importpandasaspdfrommlxtend.preprocessingimportTransactionEncoderfrommlxtend.frequent_patternsimportapriori,association_rules transactions=[['面包','牛奶'],['面包','尿布','啤酒','鸡蛋'],['牛奶','尿布','啤酒','可乐'],['面包','牛奶','尿布','啤酒'],['面包','牛奶','尿布','可乐']]# 数据编码te=TransactionEncoder()te_array=te.fit(transactions).transform(transactions)df=pd.DataFrame(te_array,columns=te.columns_)# 第一步：找频繁项集freq_items=apriori(df,min_support=0.6,use_colnames=True)# 第二步：由频繁项集生成关联规则rules=association_rules(freq_items,metric="confidence",min_threshold=0.6)print("关联规则：")print(rules[['antecedents','consequents','support','confidence']])

输出：

关联规则： antecedents consequents support confidence 0 (啤酒) (尿布) 0.6 1.00 1 (尿布) (啤酒) 0.6 0.75 2 (牛奶) (尿布) 0.6 0.75 3 (尿布) (牛奶) 0.6 0.75 4 (面包) (尿布) 0.6 0.75 5 (尿布) (面包) 0.6 0.75 6 (面包) (牛奶) 0.6 0.75 7 (牛奶) (面包) 0.6 0.75

九、这段代码在做什么？

这段代码其实就是把“关联规则挖掘的两步”完整串起来了。

第一步：找频繁项集

freq_items=apriori(df,min_support=0.6,use_colnames=True)

这一步和上一篇一致，先找到高频商品组合。

例如可能会找到：

• (面包, 牛奶)
• (啤酒, 尿布)
• (面包, 牛奶, 尿布)

这些只是“高频组合”，还不是最终规则。

第二步：由频繁项集生成规则

rules=association_rules(freq_items,metric="confidence",min_threshold=0.6)

这一步是真正从频繁项集中生成规则。

参数里最重要的是：

• metric="confidence"
  表示用“置信度”作为筛选标准

• min_threshold=0.8
  表示只保留置信度不低于 0.8 的规则

也就是说，这一步是在做：

规则筛选

十、结果表中的几个字段，应该怎么看？

输出结果里最关键的字段通常是这几个：

• antecedents
• consequents
• support
• confidence

1. antecedents

表示规则左边，也叫“前件”。

例如：

(啤酒)

意思是规则从“啤酒”出发。

2. consequents

表示规则右边，也叫“后件”。

例如：

(尿布)

表示最终推导的是“尿布”。

3. support

表示这条规则对应的整体支持度。

也就是：

这条规则涉及的组合在所有交易中常不常见

4. confidence

表示这条规则的置信度。

也就是：

当前件出现时，后件也出现的把握有多大

这也是这一篇最重要的筛选指标。

十一、运行结果应该怎么理解？

假设输出结果类似这样：

antecedents consequents support confidence 0 (啤酒) (尿布) 0.6 1.00 1 (尿布) (啤酒) 0.6 0.75

可以这样理解：

规则1：啤酒 -> 尿布

• 支持度 0.6
  说明“啤酒和尿布”这个组合在全部交易中占比 60%

• 置信度 1.00
  说明买了啤酒的人，100% 同时买了尿布

这条规则非常强，因为它说明：

只要啤酒出现，尿布就一定同时出现

规则2：尿布 -> 啤酒

• 支持度还是 0.6
• 置信度是 0.75

说明买尿布的人，有 75% 的概率也买了啤酒。

这条规则也有一定价值，但没有上一条那么强。

十二、为什么同一个组合，写成不同规则会不一样？

这一点非常重要，也是很多初学者第一次接触关联规则时最容易忽略的地方。

假设我们已经找到了一个频繁项集：

{啤酒, 尿布}

这说明：

啤酒和尿布这两个商品经常一起出现。

但问题是，从这个频繁项集里可以拆出两条不同的规则：

啤酒 -> 尿布 尿布 -> 啤酒

表面上看，这只是顺序换了一下，但它们的含义并不一样。

先看：啤酒 -> 尿布

这条规则的意思是：

买了啤酒的人，会不会也买尿布？

在当前样例数据中：

• 啤酒一共出现了 3 次
• 这 3 次都同时出现了尿布

所以这条规则的置信度是：

3 / 3 = 1.00

也就是说：

买啤酒的人，100% 同时买了尿布

再看：尿布 -> 啤酒

这条规则的意思是：

买了尿布的人，会不会也买啤酒？

在当前样例数据中：

• 尿布一共出现了 4 次
• 其中有 3 次同时出现了啤酒

所以这条规则的置信度是：

3 / 4 = 0.75

也就是说：

买尿布的人，有 75% 的概率同时买了啤酒

为什么这两条规则不一样？

虽然它们都来自同一个频繁项集：

{啤酒, 尿布}

但它们的分母不一样：

• 啤酒 -> 尿布的分母是“啤酒出现次数”
• 尿布 -> 啤酒的分母是“尿布出现次数”

因为前件不同，置信度就可能不同。

这说明：

同一个高频组合，拆成不同方向的规则之后，强度可能并不一样。

这对业务有什么意义？

如果要做促销推荐：

• 啤酒 -> 尿布说明“买啤酒的人几乎一定也买尿布”，这条规则更强（大概率是一个男被老婆叫出来买尿布，顺手就买了啤酒）
• 尿布 -> 啤酒虽然也有一定关系，但稳定性没有前者那么高

所以在实际分析中，不能只看到“这两个商品经常一起出现”，还要继续看：

到底哪一个方向的规则更强、更值得应用。

十三、支持度和置信度在规则筛选中分别起什么作用？

很多初学者学到这里，会把这两个指标混在一起。
其实它们的角色不太一样。

支持度：先看这条规则常不常见

如果支持度很低，说明这条规则虽然可能“看起来挺准”，但它出现次数太少，业务意义有限。

例如：

• 只在极少数交易里出现
• 就算置信度高，也不一定值得拿来做促销

置信度：再看这条规则稳不稳定

置信度高，说明这条规则比较可靠。

例如：

• 买了啤酒的人，几乎都会买尿布
• 这种规则就更适合做组合推荐

所以可以先记住一句话：

支持度看“常不常见”，置信度看“准不准”。

十四、这一课最核心要记住什么？

学完这一课，至少要把下面几件事想清楚：

1）频繁项集和关联规则不是一回事

• 频繁项集：高频商品组合
• 关联规则：从一个组合推导另一个组合的关系

2）为什么不能停留在频繁项集

因为高频组合不等于高价值规则，还要继续筛选。

3）规则是怎么来的

规则是从频繁项集中拆出来的。

4）什么是强关联规则

通常要同时满足支持度和置信度要求。

5）代码里最关键的函数是什么

是：

association_rules()

它的作用就是：

从频繁项集生成关联规则。

十五、结尾总结

这一课主要解决的是一个非常实际的问题：

高频商品组合找到了，接下来怎么变成真正能用的规则？

通过校园超市购物小票案例，可以先建立下面这几个核心认识：

• 频繁项集是后续生成规则的基础
• 关联规则是从频繁项集中拆出来的
• 同一个高频组合，可以生成多条不同方向的规则
• 高频组合不等于好规则，还要进一步筛选
• 支持度和置信度是规则筛选中最基础的两个指标

对于初学者来说，这一课最重要的不是背公式，而是先理解：

关联分析真正有价值的，不只是“找到组合”，而是“找到可用规则”。

而下一步，自然就是另一个非常现实的问题：

如果数据量变大了，Apriori 太慢怎么办？

这正是下一课 FP-Growth 要解决的问题。

写在最后

如果这篇文章对你有帮助，欢迎点赞、收藏、评论支持一下。

你在看规则结果时，第一反应更关注：

• 哪条规则的支持度最高？
• 哪条规则的置信度最高？
• 还是哪条规则最适合拿来做促销推荐？

欢迎在评论区交流。