购物篮分析（ Apriori算法）—零售数据实战

购物篮分析（ Apriori算法）—零售数据实战

【开题】在我从事零售行业的期间，曾拜读过"啤酒与尿布"一书，对于沃尔玛的购物篮分析模型产生极大的兴趣。由于网上对Aprioro算法介绍的内容较少，故而本人不得已回去复习了概率论，并自学了一段时间的购物篮分析基础知识，终于弄懂了购物篮分析模型基本的指标和计算等知识。由于本文参考了很多大佬写的文章，故而以@jiaxin_Jasmine（案例教程：https://blog.youkuaiyun.com/weixin_43962871/article/details/89160752）和@不论如何未来很美好（案例教程：https://blog.youkuaiyun.com/qq_36523839/article/details/83960195）为框架，构建业务数据上购物篮分析模型

---

前言

由于购物篮分析有较多的指标，如频繁集、支持度、置信度等概念，而本文仅作为一个业务数据实操性的讲解，故而相关的概念给出以下链接，请各位同学自行查阅：
1、@数据小斑马：关联算法①——《啤酒与尿布》购物篮分析
https://blog.youkuaiyun.com/cindy407/article/details/95242734
2、@qq924178473：关联规则——关联分析
https://blog.youkuaiyun.com/h_jlwg6688/article/details/107793274

---

提示：网上有较多的讲解，可多看

一、数据源介绍

首先要声明，本文数据源已做处理，仅用于教学讲解目的，不会泄露或侵犯到任何公司或个人利益，如有侵权行为，请咨询相关法律人士。
字段解释：标题（顾客购买商品明细）、下单时间、下单用户（有ID号的为注册会员、空值为普通顾客）、订单状态（成功交易、退款交易等）、应收金额（顾客付款金额）
时间范围：2020年12月15日~12月31日，半个月
此外提醒各位同学，对零售行业购物篮分析的数据尽可能时间范围缩短，因为零售行业有比较多的促销活动，会导致某一时段内，某些促销组合商品出现的频次比日常销售时段多，额外还会受到某些环境因素的影响等种种原因，故而本文选择半个月的交易清单作为数据源，尽量降低环境和促销因素的影响。

二、Apriori模型构建

1.数据导入和清洗

本次使用数据分析最常用的pandas和numpy库，还有最核心的mlxtend机器学习包
代码如下（示例）：

#百香果店购物篮分析模型
import pandas as pd
import numpy as np
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori
from mlxtend.frequent_patterns import association_rules

#显示输出数据对齐设置，仅为数据输出好看一些
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)

本次原始数据源共5个字段，8938条记录，其中下单用户非空行数1910条（注册会员ID交易记录），下单时间为string字符型，下单用户为float浮点型。
代码如下（示例）：

#读取数据，建议使用短期正常销售数据，减少促销活动等因素影响
df_all = pd.read_excel('C:\\Users\\ASUS\\Desktop\\百香果店1215~1231订单.xlsx')
>>> df_all.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8938 entries, 0 to 8937
Data columns (total 5 columns):
 #   Column   Non-Null Count  Dtype
---  ------   --------------  -----