基于布尔数据集的一对一和多对一关联规则挖掘

#针对以下布尔数据集(已用一个“test12.xlsx”表格来存取，直接读取即可，字段名称为A、B、C，“#”号非表格数据):

#   A    B    C

#   1    1    0

#   0    1    1

#   1    0    0

#   1    1    1

#   1    1    1

#   1    0    0

#   1    1    1

#   0    1    1

#   1    0    0

#   1    1    1

#   1    1    0

#   1    1    1

#   1    1    0

##请编程计算规则“A->B”和“A,B->C”的支持度和置信度，分别用sp1和co1,sp2和co2来表示

def return_values():

    import pandas as pd

    data = pd.read_excel('test12.xlsx')  # 读取 Excel 文件

   

    # 计算规则 A->B 的支持度和置信度

    # 支持度：A 和 B 同时为 1 的行数 / 总行数

    sp1 = len(data[(data['A'] == 1) & (data['B'] == 1)]) / len(data)

    # 置信度：A 和 B 同时为 1 的行数 / A 为 1 的行数

    co1 = len(data[(data['A'] == 1) & (data['B'] == 1)]) / len(data[data['A'] == 1])

    sp2 = len(data[(data['A'] == 1) & (data['B'] == 1) & (data['C'] == 1)]) / len(data)

    # 置信度：A、B 和 C 同时为 1 的行数 / A 和 B 同时为 1 的行数

    co2 = len(data[(data['A'] == 1) & (data['B'] == 1) & (data['C'] == 1)]) / len(data[(data['A'] == 1) & (data['B'] == 1)])

    return (sp1,co1,sp2,co2)