数据挖掘基于apriori关联算法，购物篮分析

一．Pip 安装 mlxtend

1. m -> machine(机器) l -> language(学习) ，xtend(扩展) 。 大致理解为机器学习扩展库，mlxtend 主要用来处理数据科学 相关的任务

2. 用 pip install mlxtend 安装好 mlxtend

二．写 python 代码

备注：这里采用直接在命令行输入python 进入python cmd编辑环境，运行python代码。

1. 从网上导入数据集 并 显示出来

import pandas as pd   #导入数据分析包
from mlxtend.frequent_patterns import apriori  #导入 apriori 算法
from mlxtend.frequent_patterns import association_rules  #导入关联规则
df=pd.read_excel('http://archive.ics.uci.edu/ml/machine-learning-databases/00352/Online%20Retail.xlsx')    #获取excel 数据
df.head()     #获得数据前几行数据

1-1.可能回出现 no moudle name xlrd , 因为 pandas读取excel 需要 xlrd,用命令: pip install xlrd 即可。

1-2.这里是显示了前几行的数据集

2. 数据预处理–删除无效值

df['Description'] = df['Description'].str.strip()     #选取Description字段去除首尾空格
df.dropna(axis=0, subset=['InvoiceNo'], inplace=True)  #删除发票ID"InvoiceNo"为空的数据记录
df['InvoiceNo'] = df['InvoiceNo'].astype('str')   #将发票ID"InvoiceNo"字段转为字符型
df = df[~df['InvoiceNo'].str.contains('C')]  #删除发票ID"InvoiceNo"包含“C”的记录

2-1：我们来看看一共删除了多少 InvoiceNo 字段 包含c的记录
刚开始的数据行数：

删除 包含c 之后的行数：

3. 数据清理完成后，我们需要将每个产品进行one-hot编码。为了保持数据集小，我选择只是看法国的销售记录

import numpy as np
basket = df[df['Country'] =="France"].pivot_table(columns = "Description",index="InvoiceNo",values="Quantity",aggfunc=np.sum).fillna(0)
basket.head()              

4.数据预处理–将购物数量转为0/1变量
0：此订单未购买包含列名
1：此订单购买了列名商品

def encode_units(x):
    if x <= 0:
        return 0
    if x >= 1:
        return 1

4-1.使用dataframe的applymap函数，将encode_units在basket中的每个单元格执行并返回、删除购物篮中的邮费项（POSTAGE）

basket_sets = basket.applymap(encode_units)
basket_sets.drop('POSTAGE', inplace=True, axis=1)

5.使用apriori进行关联规则运算

#我们可以生成支持度大于0.07％的频繁项集（选择此数字以便我可以获得足够的有用示例）：
frequent_itemsets = apriori(basket_sets, min_support=0.07, use_colnames=True)
#最后一步是生成规则及其相应的suport，confidence和lift
rules = association_rules(frequent_itemsets, metric="lift", min_threshold=1)
rules.head()

5.1：这是最后分析的结果