商品交叉销售分析-关联分析

Posted 2021-02-28 yanmai

一. 项目需求

• 根据用户购买的商品，对购买数据做关联分析
• 获得用户的商品频繁模式，比如哪些商品经常被一起购买
• 根据用户的频繁模式，可以做相应的打包销售或产品组合销售

二. 项目数据

• 数据特征：交易ID（order_id）和商品名称（product_name）
• 数据格式：事务性数据
• 唯一性：每次交易只有一个唯一ID，但是有一个订单ID对应多个商品名称的情况

三.  分析方法

• 关联模式的挖掘，两种方式：

1. 基于自定义开发的Apriori关联算法库，Aprioiri算法主要有两部分组成：发现频繁项集和找出关联规则
2.  引入R语言的关联算法包，实现关联结果的挖掘

• 关联结果展示：通过pyecharts实现

四. 具体过程

4.1 导入所需要的库

具体库

• pandas：用于数据读取和数据转换
• apriori：自定义库，关联算法库
• pyecharts：数据可视化库

代码如下

import pandas as pd
from CorrelationAnalysis import apriori
from pyecharts.charts import Graph
from pyecharts import options as opts  # 配置方法库

4.2 数据预处理

基本思路

• 原数据是事务性的数据记录，需要转换为关联算法所需的记录
• 关联的记录格式：每个订单ID对应的商品合并为一条记录
• 提取方法：列表推导式
• 记录数据类型：列表

代码如下

# 读取csv文件
data = pd.read_csv(‘order_table.csv‘)
# 数据转换
order_ids = pd.unique(data[‘order_id‘]) 
order_records = [data[data[‘order_id‘] == each_id][‘product_name‘].tolist() for each_id in order_ids]

View Code

4.3 关联分析

基本思路

• 定义最小支持度和最小置信度的阈值
• 计算满足最小支持度和最小置信度的规则

1. 最小支持度查找频繁项集
2. 最小置信度查找满足条件的规则

• 关联结果报表评估（按照提升度排序）

代码如下

# 通过调用自定义的apriori做关联分析
minS = 0.01  # 定义最小支持度阈值
minC = 0.05  # 定义最小置信度阈值
L, supportData = apriori.apriori(order_records, minSupport=minS)  # 计算得到满足最小支持度的规则
rules = apriori.generateRules(order_records, L,  supportData, minConf=minC)  # 计算得到满足最小置信度的规则
# 关联结果报表评估
model_summary = ‘data record: {0} 
association rules count: {1}‘  # 展示数据集记录数和满足阈值定义的规则数量
print(model_summary.format(len(order_records), len(rules)))  # 用str.format做格式化输出
print(‘-‘*60)
# 创建频繁项集和关联规则的数据框
rules_all = pd.DataFrame(rules, columns=[‘item1‘, ‘item2‘, ‘instance‘, ‘support‘, ‘confidence‘, ‘lift‘])
rules_sort = rules_all.sort_values([‘lift‘], ascending=False)  # 按照提升度排序，降序
pd.set_option(‘display.max_columns‘, None)  # 显示所有的列
print(rules_sort.head(10))

View Code

执行结果

data record: 2240 
association rules count: 582
------------------------------------------------------------
                       item1                                      item2  347                (berries)                       (whipped/sour cream)   
346     (whipped/sour cream)                                  (berries)   
496              (pip fruit)         (tropical fruit, other vegetables)   
495         (tropical fruit)              (pip fruit, other vegetables)   
514                 (yogurt)  (fruit/vegetable juice, other vegetables)   
579                   (curd)                       (yogurt, whole milk)   
550        (root vegetables)                   (yogurt, tropical fruit)   
549                 (yogurt)          (root vegetables, tropical fruit)   
515  (fruit/vegetable juice)                 (yogurt, other vegetables)   
548         (tropical fruit)                  (root vegetables, yogurt)   

     instance  support  confidence    lift  
347        27   0.0121      0.3253  4.1168  
346        27   0.0121      0.1525  4.1168  
496        23   0.0103      0.1474  4.0772  
495        23   0.0103      0.1000  3.9298  
514        26   0.0116      0.0836  3.6719  
579        29   0.0129      0.2042  3.6307  
550        24   0.0107      0.0980  3.5972  
549        24   0.0107      0.0772  3.5278  
515        26   0.0116      0.1566  3.3735  
548        24   0.0107      0.1043  3.2464  

View Code

 4.4 关联分析结果展示

基本思路

• 图形：关系图（用来展示多个对象之间相互关系的方式）
• 方法：使用Echarts展示图形
• 具体：

1. 选择有效规则
2. 汇总每个item出现的次数
3. 取出规则最多的TOP N items
4. 画图（服务器端渲染）

• 关系图构成：关系图的主体元素包括3个部分，源节点，边和目标节点

代码如下

# 结果展示
# 选择有效数据
rules_sort_filt = rules_sort[rules_sort[‘lift‘] > 1]  # 只选取有效规则
display_data = rules_sort_filt.iloc[:, :3]  # 取出前项，后项和实例数
# 统计item出现的次数
item1 = display_data[[‘item1‘, ‘instance‘]].rename(index=str, columns={‘item1‘: ‘item‘})
item2 = display_data[[‘item2‘, ‘instance‘]].rename(index=str, columns={‘item2‘: ‘item‘})
item_concat = pd.concat((item1, item2), axis=0)
item_count = item_concat.groupby([‘item‘])[‘instance‘].sum()
# 取出规则最多的TOP N items
control_num = 10
top_n_rules = item_count.sort_values(ascending=False).iloc[:control_num]
top_n_items = top_n_rules.index
top_rules_list = [all((item1 in top_n_items, item2 in top_n_items))
                  for item1, item2 in zip(display_data[‘item1‘], display_data[‘item2‘])]
top_display_data = display_data[top_rules_list]
# 画图
node_data = top_n_rules/100  # 等比例缩小100倍
nodes = [{"name": (‘‘).join(i[0]), "symbolSize": i[1], "value": j}
         for i, j in zip(node_data.to_dict().items(), item_count)]
# 创建边数据以及边权重数据
edges = [{"source": (‘‘).join(i), "target": (‘‘).join(j), "value": k} for i, j, k in top_display_data.values]
# 创建关系图
graph = Graph(init_opts=opts.InitOpts(width="750px", height="750px"))
graph.add(‘‘, nodes, edges, repulsion=8000, layout=‘circular‘, is_rotate_label=True)
graph.set_global_opts(title_opts=opts.TitleOpts(title="商品关联结果图"))
print(graph.render())  # 服务器端渲染画图

View Code

 

关系图

• 网页链接：http://localhost:63342/mianshi/CorrelationAnalysis/render.html?_ijt=l53204mi1ji6uml9n5kgceisq9
• 截图：

 结果分析

• 结果图显示了每个item之间的关联关系
• 标记点越大的item产生的关联规则越多
• 移动到节点上，可以看到每个节点产生的关联规则的总次数和与该节点关联的其他节点
• 移动到边上，可以看到该边对应的源节点和目标节点，以及该边产生的次数

 

 

参考资料

《Python数据分析与数据化运营》