之前写过购物相关的内容，这其中有几个指标，像支持度、置信度、提升度都要理解一下，详情参考：
这一篇也是正好要用到，就来回顾下
背景：
我想看看各品类之间的关联性，有没有出镜率比较高的组合品类
1. 原始数据处理
首先处理我们的订单数据，这里可以直接使用订单明细数据，因为我这里是品类，所以不需要到商品明细，我就做了个聚合，当然，不处理，直接在python中做个聚合也是一样的
数据格式如下：
我这里保留了：订单号、品类名、销量
这个销量在这里其实用不到，后面会转化掉的
2.将数据引入，转化为固定的格式
这里的固定格式，就是mlxtend中需要的格式，因为我们要使用它的包，所以按照约定来就行了。
固定格式是这样的，每个订单一行，然后将品类拆分到column
df2 = df.pivot(index='ORDER_NO' , columns="GOODS_CATEGORY_NAME" , values='PCS')
df2.head()
就是上图这个样子，这里还可以看看每个品类之间的相关性
哦，这里的NaN需要填充0
df2.fillna(0,inplace=True)
pandas里看相关系数，非常简单
df2.corr()
这就是两两品类之间的相关系数，
这里，再用数据热力图展示下
sns.heatmap(df2.corr() , cmap='Reds')
好像没啥特别的
3. 将每个元素的值，处理为0、1
当前我的单元格中是销量，这里需要统一转换为0、1也就是表示该品类是否在该订单中出现，只要标识是否出现即可，并不需要销量这种额外的东西
def encode_units(x):
if x <= 0:
return 0
if x >= 1:
return 1
df3 = df2.applymap(encode_units)
调用mlxtend
from mlxtend.frequent_patterns import apriori
frequent_itemsets=apriori(df3, min_support=0.01, use_colnames=True)
关于这个apriori，可以参考官方手册：Frequent Itemsets via Apriori Algorithm
这里传入了了一个参数，最小支持度
返回的结果集，就是一个DataFrame
从数据来看哈，我这里的品类之间的关联性很小
支持度最高的组合是面部护肤和面膜，这是不是说明，用户更倾向于购买单品类商品呢？
支持度是出现的一个概率，我们还要看看置信度
from mlxtend.frequent_patterns import association_rules
rules=association_rules(frequent_itemsets, metric="confidence", min_threshold=0.01)
rules.sort_values(by='confidence' , ascending=False)
这里生成的是关联规则
- antecedents 前置变量
- consequents 结果
比如这里第一条记录，购买了防晒隔离，且购买了面部护肤的各种指标
防晒隔离的支持度、面部护肤的支持度，组合的支持度，置信度，提升度，都在这里了
我这里最高的置信度也就17%，提升度都是<1的，貌似没有啥关联性，哈哈哈
网友评论