购物篮分析的数据分层案例解析----（以R语言案例包的Groceries数据集为例）

本文链接：https://blog.youkuaiyun.com/weixin_41680624/article/details/132203867

本文通过R语言的Groceries数据集，介绍购物篮分析中的数据分层方法。Groceries数据集是经过整理的超市购物篮数据，商品已升至品类级别，适用于学习Apriori算法。文章指出，直接分析具体商品可能导致关联关系被稀释，建议进行品类升层处理，以便更好地挖掘商品间的关联关系。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

我们以R语言的Apriori算例库中，arules包中自带的Groceries数据集为例，介绍购物篮分析的数据分层方法。
Groceries数据集来自一个现实中真实存在的欧洲超市，是其经营一个月的购物篮数据，共包含9835次交易，由169个商品完成销售，按照一个月30天计算，该超市每天平均为328笔交易，根据Groceries数据集的交易笔数、商品品类构成，应该是一家社区型小型食品超市。
从Groceries数据集提供的TOP 20商品销售列表（见下图）可以看出，前20个出现次数最多的商品都是食品，销售排行依次为全脂牛奶、蔬菜、面包、苏打水、酸奶等，也印证了这是一家小型食品超市。
在这里插入图片描述
Groceries数据集中Top 20商品购买频率

在现有的关联分析算例数据集中，Groceries数据集是目前所见最完整、最真实、且最大规模的购物篮数据，Groceries数据集代表了学术界心中的真实超市购物篮，是学习Apriori算法的最佳入门级数据集。
需要注意的是，Groceries数据集是经过整理后的超市购物篮数据，需要在此对Groceries数据集进行详细说明一下，否则会误导学习购物篮分析的新手。

下表是从Groceries数据集中提取的11个购物篮数据，Items是购物篮中的商品，如citrus fruit（柑橘类水果）,semi-finished bread（半成品面包）,margarine（人造奶油）,ready soups（成品汤）等。
初