Python怎么去掉这个deprecationWarning警告

img


警告：
C:\Users\DELL\PycharmProjects\pythonProject\venv\lib\site-packages\mlxtend\frequent_patterns\fpcommon.py:110: DeprecationWarning: DataFrames with non-bool types result in worse computationalperformance and their support might be discontinued in the future.Please use a DataFrame with bool type
warnings.warn(
代码：

import pandas as pd
from mlxtend.preprocessing import TransactionEncoder

data = [['西红柿', '排骨', '鸡蛋'],
        ['西红柿', '茄子'],
        ['鸡蛋', '袜子'],
        ['西红柿', '排骨', '茄子'],
        ['西红柿', '排骨', '袜子', '酸奶'],
        ['鸡蛋', '茄子', '酸奶'],
        ['排骨', '鸡蛋', '茄子'],
        ['土豆', '鸡蛋', '袜子'],
        ['西红柿', '排骨', '鞋子', '土豆']]
data = [list(set(d)) for d in data]

# 获取所有可能出现的物品
items=['土豆','排骨','茄子','袜子','西红柿','酸奶','鞋子','鸡蛋']
te = TransactionEncoder()
data = te.fit_transform(data, sparse=False).astype(int)# data = te.fit_transform(data)

df1 = pd.DataFrame(data, columns=te.columns_)

df = df1.reset_index(drop=True).rename(columns={'index': 'I'})

df.insert(0, 'ID', ['I{}'.format(i) for i in range(1, len(df)+1)])




df = df.reset_index(drop=True)
df.columns.name = None

print(df)


# 计算关联规则
rules = [('西红柿','排骨'), ('排骨','西红柿'), ('袜子','鸡蛋'),
         ('茄子','排骨'), ('茄子','西红柿'), ('茄子','鸡蛋')]

from mlxtend.frequent_patterns import apriori, association_rules

# 计算频繁项集
freq_itemsets = apriori(df1, min_support=0.2, use_colnames=True)

# 计算关联规则
rules = association_rules(freq_itemsets, metric="confidence", min_threshold=0.5)
rules = rules.sort_values(by=['confidence'], ascending=False)
pd.options.display.float_format = '{:.6f}'.format

# 输出结果
print(rules[['antecedents', 'consequents', 'support', 'confidence']])

您好，这个警告无法去掉，只能被忽略吧，给你一个忽略的方法，但是我并不建议忽略这些因为这对于调试解决问题很重要。

忽略警告，可以使用warnings模块，设置忽略选项，如下代码所示。

import warnings
warnings.filterwarnings("ignore", category=DeprecationWarning)

当然，也可以使用filterwarnings函数直接把消息过滤掉，看你选择哪一种了，都可以。

import warnings
warnings.filterwarnings("ignore", message="DataFrames with non-bool types")

是不是您鞋子和鸡蛋没数据造成的警告⚠️
可以去除那两列试试看。

不知道你这个问题是否已经解决, 如果还没有解决的话:
  • 以下回答来自chatgpt:

    解决方案：

    1. 了解DeprecationWarning警告的意义和原因

    DeprecationWarning警告提示某个功能已经被弃用或将来会被废弃，因为它已经不再是一个最佳的解决方案，或者存在其他更好的方法来完成相同的任务。它的意思是，建议你改变你的代码来避免使用这个功能，以免在未来的版本中出现不兼容问题。

    在这个例子中，警告提示使用非bool类型的DataFrame可能会导致更差的计算性能，并且在未来的版本中可能不再支持。

    1. 更改代码以避免DeprecationWarning警告

    根据警告信息，我们需要使用bool类型的DataFrame来代替原来的DataFrame对象。可以通过将DataFrame转换为bool类型的DataFrame来实现。例如，可以使用以下代码将DataFrame转换为bool类型：

    df = df.astype(bool)

    在这个例子中，如果我们在fpcommon.py文件的110行执行上述代码，可以解决DeprecationWarning警告。具体来说，可以使用以下方法：

    import pandas as pd
from mlxtend.frequent_patterns import fpcommon

def fp_growth(df, **kwargs):
    """Find frequent itemsets in the provided DataFrame using the FP-growth algorithm.

    Parameters
    ----------
    df : pandas DataFrame, sparse matrix (CSR), transaction-database format
      (eg. [['A', 'B'], ['B', 'C']] or
           [{0:"A", 1:"B"}, {1:"C", 2:"B", 3:"D"}, ...])
        pandas DataFrame the encoded format. The allowed values are either 0/1 or True/False.
        For example,
             Apple  Bananas   Beer  Chicken   Milk   Rice
        0    True     True  False    False  False  False
        1    True     True   True    False  False  False
        2    True    False   True    False   True   True
        3   False     True   True     True  False   True
        4   False    False   True     True   True   True
        5   False    False  False     True   True   True
        6    True    False   True     True  False   True

    **kwargs :
        Support for additional keyword arguments might be added to this function
        in the future. For compatibility reasons, you should only use keyword
        arguments that are defined in this function.

    Returns
    -------
    pandas.DataFrame
      A DataFrame of frequent itemsets including their support values (as
      columns).

    """

    if isinstance(df, pd.DataFrame):
        # convert DataFrame to sparse matrix
        sparse_df = df.to_sparse(fill_value=False)

        # convert sparse matrix to transaction database
        trn = _convert_sparse_matrix(sparse_df)
    else:
        # handle input format as transaction database
        trn = df

    patterns = fpcommon.fpgrowth(trn, **kwargs)

    # convert patterns back to DataFrame
    res_df = pd.DataFrame(patterns, columns=['support', 'itemsets'])

    # convert itemsets back to frozensets
    res_df['itemsets'] = res_df['itemsets'].apply(frozenset)

    return res_df

    该方法使用了DataFrame的astype()方法，将DataFrame对象转换为bool类型的DataFrame，从而避免了DeprecationWarning警告。


如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^