#-*- coding: utf-8 -*-
#使用Apriori算法挖掘菜品订单关联规则
from __future__ import print_function
import pandas as pd
from apriori import * #导入自行编写的apriori函数
import time  # 导入time模块用于计时

inputfile = '../data/iris.csv'
outputfile = '../tmp/apriori_rules.xlsx' #结果文件，保留 .xlsx 格式
data = pd.read_csv(inputfile, header = None)

print(u'\n转换原始数据至0-1矩阵...')
ct = lambda x : pd.Series(1, index = x[pd.notnull(x)]) #转换0-1矩阵的过渡函数
b = map(ct, data.iloc[:,:].values) #用map方式执行
data = pd.DataFrame(list(b)).fillna(0) #实现矩阵转换，空值用0填充
print(u'\n转换完毕。')
del b #删除中间变量b，节省内存

support = 0.2 #最小支持度
confidence = 0.5 #最小置信度
ms = '---' #连接符，默认'--'，用来区分不同元素，如A--B。需要保证原始表格中不含有该字符

# 提醒用户需要安装 openpyxl 库以支持 .xlsx 格式
# 如果未安装，可以通过以下命令安装：pip install openpyxl
start_time = time.time()  # 记录开始时间
result = find_rule(data, support, confidence, ms)
end_time = time.time()  # 记录结束时间
print(f'\nApriori算法运行时间: {end_time - start_time} 秒')

result.to_excel(outputfile, engine='openpyxl') #保存结果，指定 engine='openpyxl'