Apriori算法编码数据集异常求助：列名缺失且编码结果不符预期

问题根源 #

TransactionEncoder是为事务型数据设计的（每条记录是一个物品集合，比如["苹果", "香蕉"]），但你的数据集是传统表格型（48个变量，每条记录是各变量的具体取值）。直接用它处理表格数据时，会把整行所有值当成一个事务集合，而非拆分每个特征的取值，导致列名和编码结果完全不符合预期。

修正步骤 #

1. 将表格数据转换为事务格式 #

把每条记录转换成由"特征名=取值"组成的列表，让每个特征的不同取值成为独立的事务项：

import pandas as pd
from mlxtend.preprocessing import TransactionEncoder

# 复制原数据
T2 = T11.copy()

# 转换为事务格式：每条记录是["特征1=值1", "特征2=值2", ...]
transactions = []
for _, row in T2.iterrows():
    # 遍历每行的特征和取值，拼接成"特征=取值"的格式
    transaction = [f"{col}={str(val)}" for col, val in row.items()]
    transactions.append(transaction)

2. 重新用TransactionEncoder编码 #

# 初始化编码器并拟合转换
transactionEncoder = TransactionEncoder()
T3 = transactionEncoder.fit(transactions).transform(transactions)

# 生成编码后的DataFrame，替换False为0
df = pd.DataFrame(T3, columns=transactionEncoder.columns_)
df = df.replace(False, 0)

额外排查点 #

• 检查缺失值：如果数据中有缺失值，转换后会出现"特征名=nan"的项，建议先处理缺失值（如填充默认值、删除对应行）。
• 验证列数匹配：可以先计算所有特征的唯一值总数，和最终DataFrame的列数对比：

  # 计算所有特征的唯一值总数
  total_unique = sum(T2.nunique())
  print(f"预期列数：{total_unique}")
  print(f"实际列数：{len(df.columns)}")
  

内容的提问来源于stack exchange，提问作者Zahra Saebi monfared