Apriori函数要求输入为布尔型DataFrame，需用TransactionEncoder或get_dummies转换原始交易数据，并设置合理min_support（如0.05→0.01）避免内存爆炸；association_rules应结合support、confidence与lift（>3为强关联）筛选可执行规则。
Apriori 函数的输入必须是布尔型 DataFrame，不是原始商品列表
直接把 ['牛奶', '面包', '啤酒'] 这样的列表喂给 apriori() 会报错 TypeError: Data must be of type bool。它不接受字符串或类别型数据，只认 True/False —— 每行代表一次交易，每列代表一个商品，值为 True 表示该商品出现在这笔订单里。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
pandas.get_dummies()或mlxtend.preprocessing.TransactionEncoder转换原始交易数据 - 别漏掉
te_ary = te.fit(data).transform(data)后的转换步骤，否则仍是 list of list - 转成
DataFrame时务必指定列名（即商品名），否则后续规则分析无法识别项集含义
支持度阈值设太低会导致内存爆炸或计算卡死
apriori(df, min_support=0.01) 看似合理，但对万级交易、千级商品的超商数据，min_support=0.01 意味着只要出现 100 次就算频繁项集——可能生成数百万个候选项集，apriori() 会在第 3–4 层组合就耗尽内存或跑数小时。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先用
df.sum().sum() / len(df)算出平均单笔订单商品数，再估算合理min_support：比如 5000 笔交易、平均每单 8 件，则支持度 ≥ 0.002（即 ≥10 次）已能覆盖多数有效组合 - 从高往低调：先试
min_support=0.05，看返回多少条频繁项集；若少于 20 条，再逐步降到 0.02、0.01 - 加
use_colnames=True和max_len=3限制项集长度，避免无意义的 5 商品组合
association_rules() 的 metric='confidence' 不等于“买了 A 就会买 B”的实际概率
置信度 confidence(A→B) = support(A∪B) / support(A) 是条件概率的估计，但它依赖 support(A) 的统计稳定性。如果 A 出现次数很少（比如仅 3 次），而其中 2 次都带 B，置信度高达 0.67，但这个数字毫无业务指导意义。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 过滤规则前，先用
rules[rules['support'] > 0.005]卡住最低支持度，排除小样本干扰 - 别只看
confidence，搭配lift：lift > 1 表示正相关，> 3 才算强关联；lift ≈ 1 说明 A 和 B 独立 - 导出结果时保留
antecedents和consequents的 frozenset，方便后续用list(x)[0]提取单品做推荐位排序
超商数据常含空交易或重复商品，不清洗会污染支持度计算
原始 POS 数据里常见两类噪声：一是整行为空（扫码失败/退单未删），二是同一订单中重复记录同一商品（如“牛奶×2”被拆成两行“牛奶”）。前者让分母变大，后者让分子虚高，最终所有支持度系统性偏低或偏高。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 加载后立刻执行
df = df.dropna(how='all')去空行，再用df = df.apply(lambda x: x.drop_duplicates(), axis=1)去单行内重复 - 检查是否有“未知”“促销赠品”“会员卡”等非商品类字段混入，它们会稀释真实商品的共现信号
- 对高频低毛利品（如矿泉水、口香糖），可考虑在编码前按
value_counts()截断，只保前 200 名商品，避免长尾干扰主规则挖掘
真正难的不是跑通 apriori()，而是判断哪条规则值得放进收银台弹窗——要看 lift 是否显著、支持度是否稳定、业务上是否可执行。比如“啤酒 → 尿布”在训练集上 lift=2.1，但如果门店根本不卖尿布，这条规则再漂亮也没用。
