购物篮数据两种商品间的关联分析

先讲一个故事，来自于百度知道。

在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。

沃尔玛拥有世界上最大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。

一个意外的发现是："跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了一个隐藏在"尿布与啤酒"背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。

相信通过这个小故事你已经懂了什么是关联分析，下边上一个demo。

本文通过一个200条的购物数据，一共7种商品，数据量不大，方便了解算法，提高运算速度。

数据网址如下：购物篮数据，

百度网盘：链接：https://pan.baidu.com/s/1YIJ4TXV0iGw4AVXI5ikSvw 
提取码：j9so

首先打开test_confidence.txt文件，并读取文件中一共有多少种商品。

fr = open(r'D:\Workspace\jupyterNotebook\datamining\Test1\test_support_confidence.txt','r',encoding='utf-8')
goods = []
for line in fr:
    temp = line.strip().split('\t')
    #print(type(temp),temp)
    for i in temp:
        if i not in goods:
            goods.append(i)
fr.close()
print(goods)

输出结果：

['啤酒', '苹果', '奶酪', '薯片', '面包', '牛奶', '香蕉']

我们看到一共有7种商品，下边我们把7种商品作为字段，将有数据的字段重写为1，没有数据的字段重写为0，把数据写入text_se.txt文件。

fr = open(r'D:\Workspace\jupyterNotebook\datamining\Test1\test_support_confidence.txt','r',encoding='utf-8')
fw = open(r'D:\Workspace\jupyterNotebook\datamining\Test1\test_se.txt','w',encoding='utf-8')
for line in