前言：大创需要在一个安卓项目中运行Apriori算法，展示关联分析结果，现总结如下。

一、gradle配置

1.项目gradle

在项目目录下的build.gradle文件中加入：

maven {
    
     url "https://chaquo.com/maven" }

以及

classpath "com.chaquo.python:gradle:9.1.0"

位置如下所示：
在这里插入图片描述
关于版本的问题：

我的python版本是3.8，Gradle版本是4.0.1，所以我选择最新的9.1.0版本。

2.app下的gradle

首先在第二行加上：

apply plugin: 'com.chaquo.python'

然后指定abi：

ndk {
    
    
    // 指定abi，如需在模拟器调试，增加"x86"，否则指定"armeabi-v7a"即可
    abiFilters "armeabi-v7a", "x86"
 }

如下所示：
在这里插入图片描述

最后开始python环境配置，我选择了Anaconda下的Python环境：

python {
    
    
            // 指定python路径
    buildPython "F:/Anaconda3/envs/py38/python.exe"
    pip {
    
    
         //options "--index-url", "https://mirrors.aliyun.com/pypi/simple/"
        options "--extra-index-url", "https://pypi.tuna.tsinghua.edu.cn/simple/"
        install "numpy==1.17.4"
        install "pandas==0.25.3"
        install "scikit-learn==0.22.1"
        install "mlxtend"
        install "pymysql==1.0.2"
    }
}

pip里面的内容可以先不管，这个是后面写Apriori算法要用的。所有配置完成之后点击Sync，下载好相关的文件即可。

二、Android中调用Python文件

第一步Gradle配置完成后，项目main文件夹下会出现一个python文件夹，如下所示：
在这里插入图片描述
我将实现apriori算法的py文件hello.py以及相应的数据文件df_politics.csv都放在了python文件夹下，这里要注意，只能放在python文件夹下。

hello.py：

import pandas as pd
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import association_rules
from mlxtend.frequent_patterns import apriori
from os.path import dirname, join

def finals():
    filename = join(dirname(__file__), "df_politics.csv")
    print(filename)
    df = pd.read_csv(filename, encoding='utf8', dtype=str)
    df_arr = df.values.tolist()

    te = TransactionEncoder()  # 定义模型
    df_tf = te.fit_transform(df_arr)
    df = pd.DataFrame(df_tf, columns=te.columns_)

    frequent_itemsets = apriori(df, min_support=0.05, use_colnames=True)  # use_colnames=True表示使用元素名字，默认的False使用列名代表元素
    frequent_itemsets.sort_values(by='support', ascending=False, inplace=True)  # 频繁项集可以按支持度排序
    association_rule = association_rules(frequent_itemsets, metric='confidence',
                                         min_threshold=0.7)  # metric可以有很多的度量选项，返回的表列名都可以作为参数
    association_rule.sort_values(by='confidence', ascending=False, inplace=True)  # 关联规则可以按leverage排序
    # print('关联规则:')
    print(association_rule)
    association_rule = association_rule.reset_index(drop=True)

这里大家可能会发现，书写代码时会有很多出错提示，如下所示：
在这里插入图片描述
不过没问题，这是因为Chaquopy没有与Python Community Edition插件集成，代码没有问题，只要你第一步pip那些包时没有报错就行。

接下来是调用，调用分为两步：

初始化

void initPython(){
    
    
    if (!Python.isStarted()) {
    
    
        Python.start(new AndroidPlatform(this));
    }
}

调用

void callPythonCode() {
    
    
    Python py = Python.getInstance();
    PyObject pyObject = py.getModule("hello").callAttr("finals");
}

注意，若finals()函数由返回值，那么pyObject就是返回值，如果返回值是一个String，我们想获取这个返回值只需要：

String returnString = pyObject.toString();

利用Chaquopy在安卓项目中运行机器学习代码（以mlxtend调用Apriori为例）

一、gradle配置

1.项目gradle

2.app下的gradle

二、Android中调用Python文件

三、可能出现的一些问题

猜你喜欢