python中是否有计算关闭频繁项集的函数？

我正在搜索一个python算法来计算紧密频繁项集关联，但我只找到了一个java代码？有人能帮我吗？

给你

#Import all basic libray
import pandas as pd
from mlxtend.preprocessing import TransactionEncoder
import time
from mlxtend.frequent_patterns import fpgrowth

#Task1 : Compute Frequent Item Set using  mlxtend.frequent_patterns
te = TransactionEncoder()
te_ary = te.fit(dataset).transform(dataset)
df = pd.DataFrame(te_ary, columns=te.columns_)
start_time = time.time()
frequent = fpgrowth(df, min_support=0.001, use_colnames=True)
print('Time to find frequent itemset')
print("--- %s seconds ---" % (time.time() - start_time))

# Task 2&3: Find closed/max frequent itemset using frequent itemset found in task1
su = frequent.support.unique()#all unique support count
#Dictionay storing itemset with same support count key
fredic = {}
for i in range(len(su)):
    inset = list(frequent.loc[frequent.support ==su[i]]['itemsets'])
    fredic[su[i]] = inset
#Dictionay storing itemset with  support count <= key
fredic2 = {}
for i in range(len(su)):
    inset2 = list(frequent.loc[frequent.support<=su[i]]['itemsets'])
    fredic2[su[i]] = inset2

#Find Closed frequent itemset
start_time = time.time()
cl = []
for index, row in frequent.iterrows():
    isclose = True
    cli = row['itemsets']
    cls = row['support']
    checkset = fredic[cls]
    for i in checkset:
        if (cli!=i):
            if(frozenset.issubset(cli,i)):
                isclose = False
                break
    
    if(isclose):
        cl.append(row['itemsets'])
print('Time to find Close frequent itemset')
print("--- %s seconds ---" % (time.time() - start_time))  
    
#Find Max frequent itemset
start_time = time.time()
ml = []
for index, row in frequent.iterrows():
    isclose = True
    cli = row['itemsets']
    cls = row['support']
    checkset = fredic2[cls]
    for i in checkset:
        if (cli!=i):
            if(frozenset.issubset(cli,i)):
                isclose = False
                break
    
    if(isclose):
        ml.append(row['itemsets'])
print('Time to find Max frequent itemset')
print("--- %s seconds ---" % (time.time() - start_time))

#导入所有基础库
作为pd进口熊猫
从mlxtend.preprocessing导入事务编码
导入时间
从mlxtend.frequency_模式导入fpgrowth
#任务1：使用mlxtend.Frequent\u模式计算频繁项集
te=TransactionnCoder（）
te_ary=te.fit（数据集）.transform（数据集）
df=pd.DataFrame（数据元，列=te.columns）
开始时间=time.time（）
频繁=fpgrowth（df，最小支持=0.001，使用colnames=True）
打印（'查找频繁项集的时间'）
打印（“--%s秒--”%（time.time（）-start\u time））
#任务2和3：使用在任务1中找到的频繁项集查找已关闭/最大频繁项集
su=频繁.support.unique（）#所有唯一支持计数
#使用相同的支持计数键存储条目集
弗雷迪克={}
对于范围内的i（len（su））：
inset=list（frequent.loc[frequent.support==su[i]['itemsets']）
fredic[su[i]]=插图
#词汇使用support count存储项集通过添加更多细节来解释问题我正在寻找一个用python实现的函数来计算close frequent itemets关联规则。即使你得到了一个答案（对你来说很好），你也确实需要继续学习。这将阻止投票被否决或关闭。祝您今天过得愉快