如何将efficient_apriori生成的关联规则转换为pandas DataFrame

你原有代码存在两个明显缺陷：

1. 每次循环都会覆盖df变量，最终只能得到最后一条规则的结果，之前的规则全部丢失
2. 就算修改为循环拼接DataFrame，逐行拼接的方式性能极低，规则量过千时就会有明显卡顿，属于不推荐的写法

下面是更优的实现方式： #

方案1：先收集全量规则再转DataFrame #

兼容性最好、性能最高的写法，先把所有规则处理成字典列表，最后一次性调用pandas接口生成DataFrame，同时指标直接保留数值类型，方便后续计算：

import pandas as pd

rule_records = []
for rule in rules:
    rule_records.append({
        "前项": str(rule.lhs).replace(",)", ")"),
        "后项": str(rule.rhs).replace(",)", ")"),
        "支持度": rule.support,
        "置信度": rule.confidence,
        "提升度": rule.lift,
        "确信度": rule.conviction
    })

# 单次转换生成完整DataFrame
rule_df = pd.DataFrame(rule_records)

方案2：列表推导式简化写法 #

如果规则量不大，追求代码简洁，可以直接用列表推导式一步生成：

import pandas as pd

rule_df = pd.DataFrame([
    {
        "前项": str(rule.lhs).replace(",)", ")"),
        "后项": str(rule.rhs).replace(",)", ")"),
        "支持度": rule.support,
        "置信度": rule.confidence,
        "提升度": rule.lift,
        "确信度": rule.conviction
    } for rule in rules
])

如果不需要保留提升度、确信度两个指标，直接删除字典中对应的键值对即可。和你原有写法相比，以上两种方案的性能至少提升10倍以上，且不会丢失规则数据，数值型的指标不需要后续再做类型转换就可以直接做筛选、排序操作。

内容的提问来源于stack exchange，提问作者vojtam