使用Python mlxtend 实现购物篮分析

购物篮分析零售行业经常做的分析，最近也接到了这个需求，正好彻底研究一下。其实，也就是相关分析，挖掘下商品间的关联关系。

购物篮就是我们逛超市的时候，手里推的那个小车，手里提的那个篮子，从数据层面来看也就是每一笔订单就可以当成一个购物篮。购物篮分析要做的就是，用户在每一次消费时，喜欢买哪些商品，哪些商品会组合购买，如果买了商品A，用户还会买什么，就是发现商品与商品之间的联系。

最经典的例子就要数那个啤酒与尿布的故事了。

基本概念

在关联分析中，有些指标我们需要先理解下

支持度（Support）
其实就是出现的概率，在这里就是购买了某个商品的订单数占比

置信度（Confidence）
置信度已经涉及关联规则了，同时购买商品X、Y的订单数占购买商品X的订单数的比例，这里说明的就是，“如果购买了X，那么购买Y的概率是多少”

提升度（Lift）
我没有找到一个很好地定义方式，这个提升度主要是用来衡量X与Y的相关性的

• 提升度 >1 且越高表明正相关性越高;
• 提升度 <1 且越低表明负相关性越高;
• 提升度 =1 表明没有相关性。

---

我们来简单整理一下，我们要做相关分析，这里就是购物篮分析，通过支持度，我们可以知道哪些商品或者组合商品出现的概率比较高；当我们要思考商品连带性的时候，是买了X，会再去买Y，还是买了Y再去买X的概率更高，置信度就用上了；有了置信度还得看看提升度，看看他们之间的相关性到底强不强，有多强。

实现方式

要实现购物篮分析，其实有很多种方法，上面的几种考核指标都很清晰了，我们使用SQL也是可以统计的，只不过有点儿麻烦，需要手动做一个商品的组合，或者使用商品间笛卡尔积作为基础表，但是这还得看组合数量，如果只组合2种还好，组合3种、4种呢？
再就是使用Python或者R来做了，可以选择自己代码实现，也可以使用现有的开源包，我们只要用就行了，这里我也是直接使用了Python中的mlxtend拓展包。

数据处理

这里把数据处理单独拎出来说一下，做关联分析，需要注意下数据的选取，比如有些行业需要考虑场景，如早中晚这种，每种场景下用户购物偏好不一样，每种场景都有适合的商品组合；
再比如最近的打折促销的商品要剔除掉，因为要走量，所以可能很多订单都有这件商品，会影响我们的最后结论；
还有就是一些附赠品，试用品，新人优惠的商品，都是会影响我们结论的一些数据。

Python实现代码

好了，到了这里，来分享下代码，其实很简单，兜风装好了，直接调用就行了

# -*- coding: utf-8 -*-
"""
Created on Mon Aug 26 16:40:36 2019

@author: 橘猫吃不胖

购物篮分析实例
"""

import pandas as pd

# 引入订单数据
df = pd.read_csv('D:/tmall_basket_series.csv')

# 转换成指定的格式
basket = (df.groupby(['ORDER_NO', 'PROD_NAME'])['ORDER_NO']
          .count().unstack()
          .fillna(0))

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

# 将数据填充为0、1的格式
basket_sets = basket.applymap(encode_units)   

from mlxtend.frequent_patterns import apriori

# 生成频繁项目集，指定最小支持度为0.5
frequent_itemsets=apriori(basket_sets, min_support=0.5, use_colnames=True)
frequent_itemsets.to_csv('D:/tmall_basket_series_support.csv')


from mlxtend.frequent_patterns import association_rules
# 生成关联规则，最小置信度为0.01
rules=association_rules(frequent_itemsets, metric="confidence", min_threshold=0.01)
rules.to_csv('D:/tmall_basket_series_bi.csv')

这里核心的都是调用mlxtend来实现的，我们要做的就是对数据进行处理。

好了，这一篇先到这，后面会整理下关于mlxtend的使用。