关联规则Apriori及商品推荐

最新推荐文章于 2022-12-08 13:53:04 发布

菠萝哒234

最新推荐文章于 2022-12-08 13:53:04 发布

阅读量1.3k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：分析实战文章标签：推荐系统 python

本文链接：https://blog.youkuaiyun.com/weixin_45167920/article/details/107914763

数据来源：https://www.kaggle.com/vijayuv/onlineretail
一个线上零售的交易数据

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import time
import itertools

d = pd.read_excel('C://Users//hp//Documents//我的数据//Online Retail.xlsx')
d.head()
# InvoiceNo：发票（订单）编号。 定类数据，为每个事务分配的6位整数。 如果此代码以字母'C'开头，则表示取消。
# StockCode：产品（项目）代码。 定类数据，为每个不同的产品分配的5位整数。
# Description：产品（项目）名称。定类数据。
# Quantity：每笔交易的每件产品（项目）的数量。 数字。
# InvoiceDate：Invoice日期和时间。 数字，生成每个事务的日期和时间。
# UnitPrice：单价。 数字，英镑单位产品价格。
# CustomerID：客户编号。 定类数据，为每个客户分配的5位整数。
# Country：国家名称。 定类数据，每个客户所在国家/地区的名称。

在这里插入图片描述

d.info()
# InvoiceNo StockCode InvoiceDate Country 无空值，CustomerID大量空值

在这里插入图片描述

d.describe()
# Quantity UnitPrice有负数

在这里插入图片描述

数据清洗

d['UnitPrice'].value_counts().sort_index().head()
# 负值的只有2个，直接删去

在这里插入图片描述

print((d['Quantity'] ==0).value_counts())
print((d['Quantity']<0).value_counts())
plt.scatter(range(len(d['Quantity'])),d['Quantity'])
# 没有等于0的，小于0的有一万多条，并且在大于0的部分也存在大额商品，因此可能是存入有误，可以将其变为正数，但下面的过程不需要此列，因此不做处理

在这里插入图片描述

# 单价和数量
d = d[d['UnitPrice'] > 0]
# d['Quantity'] = d['Quantity'].map(lambda x: -1*x if x<0 else x)
# CustomerID暂不处理

# 删去重复行
d.drop_duplicates(inplace=True)

# 删除取消的订单
d['InvoiceNo'] = d['InvoiceNo'].astype('str')
d = d[~d['InvoiceNo'].str.startswith('C')]

# 删除不需要的列
d.drop(columns=['Description', 'Quantity', 'UnitPrice'], inplace=True)
print('整理后的数据长度为：',