Python 计算大型数据集中规则的支持度

我尝试了这个方法，但是速度太慢了，因为数据集有900万行，所以我寻找一个有效的解决方案来执行此代码。使用此解决方案需要4秒钟以上的时间，这是将数据帧转换为numpy数组的方法还是执行此代码的所有方法

df = pd.Series([["26"], ["81", "15", "27"], ["50"], ["8"], ["81", "15"], 
["10"], ["81"]]).to_frame(name='itemsets')


       itemsets
0          [26]
1  [81, 15, 27]
2          [50]
3           [8]
4      [81, 15]
5          [10]
6          [81]

rule = [["81"],["15"]]

def支持（规则）：
规则=规则[0]+规则[1]
支持=0
支持=总和（[设置（规则）IIUC:

将
规则定义为

def support(rule):
    rule = rule[0] + rule[1]
    support = 0
    support = sum([set(rule)<=set(row) for row in df])
return support/SIZE

when i try it on the largest dataset which contains 9 million transactions the result is :

support(rule)
0.001039247773829178


Numpy替代方案
我们应该加快速度

rule = ['81', '15']

df.itemsets.apply(set).le(set(rule)).mean()

0.2857142857142857

IIUC：

将
规则定义为

def support(rule):
    rule = rule[0] + rule[1]
    support = 0
    support = sum([set(rule)<=set(row) for row in df])
return support/SIZE

when i try it on the largest dataset which contains 9 million transactions the result is :

support(rule)
0.001039247773829178


Numpy替代方案
我们应该加快速度

rule = ['81', '15']

df.itemsets.apply(set).le(set(rule)).mean()

0.2857142857142857

你能不能也提供你想要的结果，并更详细地描述你想要达到的目标？！你不清楚你想要的结果是什么。我编辑了这篇文章，你能看到吗？你不清楚你的函数是如何在整个系列中应用的，或者
SIZE
是从哪里来的。你应该清楚地概述问题中的步骤h您提供的示例数据集。大小是整个数据集的大小，数据帧大小等于8286763您是否也可以提供您想要的结果，并更详细地描述您试图实现的目标？！还不清楚您想要的结果是什么。我编辑了这篇文章，您能看到吗s应用于整个系列，或者应用于
SIZE
的来源。您应该清楚地概述您提供的示例数据集问题中的步骤。SIZE是整个数据集的大小，即dataframe SIZE等于8286763。它不返回真值，需要5秒。它太慢，并且不返回ex行为值“它不返回真实值”是什么意思？你的函数返回了一个数字。我的函数也返回了一个数字。如果不是数字，你想要什么作为输出？当我在数据集上尝试你的函数时，它没有。返回规则的确切支持，以便我可以比较，给定你提供的输入，结果或确切值是多少？还有，
大小是多少？我假设它是e dataframe.我尝试了这个规则['24'、'25'、'20']，它返回0.011245615785078我的解决方案是精确的，但太慢了，它不返回真值，需要5秒钟，太慢了，不返回真值你说“它不返回真值”是什么意思？你的函数返回了一个数字。我的函数也返回了一个数字。如果不是数字，你想要什么作为输出？当我在数据集上尝试你的函数时，它没有。返回规则的确切支持，以便我可以比较，给定你提供的输入，结果或确切值是多少？还有，
大小是多少？我假设它是我尝试使用这个规则[24'、'25'、'20']，它返回0.011245615785078。我的解决方案是精确的，但太慢了