賽題背景

賽題以購物籃分析為背景，要求選手對品牌的歷史訂單數據，挖掘頻繁項集與關聯規則。通過這道賽題，鼓勵學習者利用訂單數據，為企業提供銷售策略，產品關聯組合，為企業提升銷量的同時，也為消費者提供更適合的商品推薦。

賽題數據

數據源：order.csv，product.csv，customer.csv，date.csv ，分別為訂單表，產品表，客戶表，日期表，使用天池實驗室打比賽即可直接在notebook中掛載數據源https://tianchi.aliyun.com/competition/entrance/531891/information

賽題任務

現在需要你使用關聯分析（比如Apriori算法） 挖掘訂單中的頻繁項集及關聯規則
說明：
1）頻繁項集、關聯規則的計算會用到支持度、置信度、提升度等指標，
2）頻繁項集：即大于最小支持度的商品或商品組合
3）關聯規則：在頻繁項集中，滿足最小置信度，或最小提升度的推薦規則
（這里最小支持度、最小置信度或最小提升度，選手可以根據數據集的特點自己設定）

import pandas as pd import time import matplotlib.pyplot as plt from matplotlib import font_manager import matplotlib #將pyplot字體轉化成中文 matplotlib.rcParams['font.family'] = 'Microsoft YaHei'df_product = pd.read_csv("./product.csv", encoding='gbk') df_date = pd.read_csv("./date.csv", encoding='gbk') df_customer = pd.read_csv('./customer.csv', encoding='gbk') df_order = pd.read_csv('./order.csv', encoding='gbk')df_order['訂單日期'] = pd.to_datetime(df_order['訂單日期']) df_order # 合并該天內該客戶購買的所有產品 df_order = df_order.groupby(['客戶ID', '訂單日期'])['產品名稱'].unique() df_order # 將所有交易追加到同一個交易列表中 transactions = [] for value in df_order:transactions.append(list(value)) # 采用efficient_apriori算法挖掘頻繁項集和頻繁規則,單個transaction定義為同一天內同一客戶ID購買的所有產品 from efficient_apriori import aprioristart = time.time() Itemsets, rules = apriori(transactions, min_support=0.03, min_confidence=0.05) print('頻繁項集:', Itemsets) print('關聯規則:', rules) end = time.time() print("用時:", end - start) # Step 6 繪制頻繁項集的條形圖，橫坐標為apriori算法輸出的頻繁項集，縱坐標為相應的頻數 Itemsets_pro = [] Itemsets_num = [] for key in Itemsets.keys():df1 = Itemsets[key]for key in df1:Itemsets_pro.append(key)Itemsets_num.append(df1[key]) # Step 7 將橫坐標轉化為字符串形式 Itemsets_pro_str = [] for i in Itemsets_pro:Itemsets_pro_str.append(','.join(list(i))) # Step 8 做出頻繁項集頻數分布柱狀圖 plt.figure(figsize=(12,9),dpi=100) plt.bar(Itemsets_pro_str, Itemsets_num) plt.xlabel('頻繁項集_產品名稱', fontsize=10) plt.ylabel('頻繁項集_出現頻數', fontsize=10) plt.title('頻繁項集頻數分布柱狀圖', fontsize=16) plt.xticks(rotation=90, fontsize=10) for a, b in zip(Itemsets_pro_str, Itemsets_num): plt.text(a, b + 0.005, str(b), ha='center', va='bottom', fontsize=7) plt.show()

總結

以上是生活随笔為你收集整理的【算法竞赛学习】数据分析达人赛2:产品关联分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。