26、数据可视化策略：购物篮分析与多维瀑布图构建

数据可视化策略：购物篮分析与多维瀑布图构建

在数据可视化领域，购物篮分析和多维瀑布图构建是两项重要的技术。购物篮分析可以帮助我们了解商品之间的关联，而多维瀑布图则能清晰展示多个指标之间的流动关系。下面将详细介绍这两种策略的具体实现方法。

购物篮分析

购物篮分析通常需要计算三个指标：支持度（Support）、置信度（Confidence）和提升度（Lift）。提升度是最重要的指标，它表示两个商品在一次交易中同时出现的概率与它们独立出现在交易中的概率之比。

例如，假设有一个包含100笔交易的数据集，其中25笔交易包含活页夹，10笔交易包含紧固件，5笔交易同时包含活页夹和紧固件。我们假设活页夹会提升紧固件的销售。
- 支持度 ：同时购买两种商品的交易占总交易的百分比，即5/100 = 5%。
- 置信度 ：同时购买两种商品的交易数除以包含紧固件的交易数，即5/10 = 0.5，也可以用支持度百分比除以包含紧固件的交易百分比，即5%/10% = 50%。
- 提升度 ：置信度除以包含活页夹的交易百分比，即0.5/0.25 = 2.0。这意味着如果顾客购买活页夹，购买紧固件的概率是2倍。

提升度大于1表示商品之间相互依赖，等于1表示没有关系，小于1表示存在负效应，可能是替代品。

由于示例数据集的交易数量不足以在产品级别进行购物篮分析，我们将分析提升到子类别级别。以下是具体操作步骤：
1. 连接数据源 ：
- 打开Tableau，添加数据源，连接到Sam