關聯分析,也稱購物籃分析,本文目的:
基于訂單表,用最少的python代碼完成數據整合及關聯分析
文中所用數據下載地址:
使用Python Anaconda集成數據分析環境,下載mlxtend機器學習包。包挺好,文檔不太完善。
閑話少說,開始吧:
python聚類分析。Step 1. 載入包
import pandas as pd
from mlxtend.frequent_patterns import apriori
from mlxtend.frequent_patterns import association_rules
Step 2. 讀取原始數據包
df = pd.read_excel('./Online Retail.xlsx')
python 排序?df.head()
image.png
Step 3. 數據預處理——選定樣本
df['Description'] = df['Description'].str.strip()
df.dropna(axis=0, subset=['InvoiceNo'], inplace=True)
df['InvoiceNo'] = df['InvoiceNo'].astype('str')
python算法詳解、df = df[~df['InvoiceNo'].str.contains('C')]
描述Description字段去除首尾空格,刪除發票ID"InvoiceNo"為空的數據記錄,將發票ID"InvoiceNo"字段轉為字符型,刪除發票ID"InvoiceNo"不包含“C”的記錄
Step 4. 數據預處理——處理為購物籃數據集
方法一:使用pivot_table函數
import numpy as np
basket = df[df['Country'] =="France"].pivot_table(columns = "Description",index="InvoiceNo",
python爬蟲教程,values="Quantity",aggfunc=np.sum).fillna(0)
basket.head(20)
方法二:groupby后unstack
basket2 = (df[df['Country'] =="Germany"]
.groupby(['InvoiceNo', 'Description'])['Quantity']
.sum().unstack().reset_index().fillna(0)
python 類?.set_index('InvoiceNo'))
basket選擇法國地區數據,basket2為德國地區數據,不要忘記fillna(0),將空值轉為0,算法包需要。
用到的都是pandas數據整合基礎功能,參考網址:
http://pandas.pydata.org/pandas-docs/stable/10min.html
整合后數據差不多長這樣:
image.png
python sort函數?列名為商品名稱,每一行為一個訂單。
Step 5. 將購物數量轉為0/1變量
0:此訂單未購買包含列名
1:此訂單購買了列名商品
def encode_units(x):
if x <= 0:
python數據結構、return 0
if x >= 1:
return 1
basket_sets = basket.applymap(encode_units)
basket_sets.drop('POSTAGE', inplace=True, axis=1)
使用dataframe的applymap函數,將encode_units在basket中的每個單元格執行并返回
python文本關聯分析、刪除購物籃中的郵費項(POSTAGE)
Step 6. 使用算法包進行關聯規則運算
frequent_itemsets = apriori(basket_sets2, min_support=0.05, use_colnames=True)
rules = association_rules(frequent_itemsets, metric="lift", min_threshold=1)
frequent_itemsets 為頻繁項集:
image.png
python輸入框、Support列為支持度,即 項集發生頻率/總訂單量
rules為最終關聯規則結果表:
image.png
antecedants前項集,consequents后項集,support支持度,confidence置信度,lift提升度。
Final Step. 結果檢視
rules[ (rules['lift'] >= 6) &
Python數據分析包、(rules['confidence'] >= 0.8) ]\
.sort_values("lift",ascending = False)
選取置信度(confidence)大于0.8且提升度(lift)大于5的規則,按lift降序排序
image.png
結論參考理論知識,自行解讀 :)
歡迎交流,謝謝。
版权声明:本站所有资料均为网友推荐收集整理而来,仅供学习和研究交流使用。
工作时间:8:00-18:00
客服电话
电子邮件
admin@qq.com
扫码二维码
获取最新动态