目录
一、关联分析介绍
关键概念：
1. 支持度（Support）
2. 置信度（Confidence）
3. 提升度（Lift）
4. 频繁项集
5. 关联规则
应用场景：
实现方法
二、导入数据集
额外介绍一下：
三、根据单据号，分组统计每个购物篮中的商品列表
三、根据单据号，分组统计每个购物篮中的商品数量
四、将统计数据汇总为一个数据框并过滤出商品数量大于1的购物篮
四、使用Apyori库进行关联规则分析及统计指标提取
(一) 获取到购物篮中的商品列表，用于apriori函数的输入
(二)得到关联规则和与之对应的统计指标
(三) 关联规则分析结果 DataFrame 构建
一、关联分析介绍
关联分析是一种数据挖掘方法，主要用于发现数据集中变量项之间有趣的关联或相关关系，特别是那些在商业、市场篮子分析、用户行为分析等领域中隐含的模式。这种分析的核心在于识别出哪些项目倾向于一起出现，基于这些发现，企业可以做出更加精准的营销策略、商品摆放决策或是个性化推荐等。
关键概念：
1. 支持度（Support）
指一个项集（一个或多个项目的组合）在所有交易数据中出现的频率。高支持度的项集表示这些项目经常被一起购买或出现。通常，只有满足最小支持度阈值的项集才会被认为是频繁项集。
2. 置信度（Confidence）
如之前解释，衡量的是如果一个项集A出现时，另一个项集B出现的条件概率。它用来量化关联规则的强度，比如规则“A→B”的置信度表示在包含A的所有事务中，同时包含B的事务所占的比例。
3. 提升度（Lift）
评估关联规则的实际效果相对于随机情况的提升程度，计算方式为置信度除以B的单独支持度。提升度大于1表示A和B的关联强于随机预期。
4. 频繁项集
支持度高于预定义阈值的所有项集。
5. 关联规则
形式上为X→Y，表示如果X发生，那么Y很可能也会发生。通常根据支持度和置信度来筛选有效的规则。
应用场景：
零售业：著名的“啤酒与尿布”案例，通过分析发现顾客购买尿布时常常会同时购买啤酒，促使超市调整商品布局，提高销售。
电子商务：个性化推荐系统，基于用户的购物历史推荐可能感兴趣的其他商品。
医疗健康：分析患者的病史记录，发现某些病症和治疗方案之间的关联，辅助临床决策。
市场营销：识别顾客的购买偏好，制定针对性的营销策略和促销活动。
Web使用模式分析：理解用户浏览行为，优化网站设计和内容推荐。
实现方法
Apriori算法：经典的关联规则挖掘算法，通过迭代减少候选项集的数量来高效发现频繁项集。
FP-growth算法：利用频繁模式树（FP-tree）结构进行优化，减少对数据库的扫描次数，适合处理大规模数据集。关联分析是一个强大的工具，帮助企业从海量数据中提取有价值的信息，优化业务决策并提升用户体验。
二、导入数据集
import pandasdata = pandas.read_csv("超市销售数据.csv",encoding='utf8', engine='python')
额外介绍一下：
如下图，查看一下单据号是否有重复值，发现有31198条重复行
如果添加上keep=False的参数的话，就有了45722条重复行。
原因：
在Pandas中，`duplicated()` 函数用来识别数据框中的重复行。这个函数接受几个参数，其中 `keep` 参数决定了如何标记重复行。`keep` 可以取三个值：`'first'`、`'last'` 或 `False`。
- 当 `keep='first'` 时，每组重复项中第一个出现的行被视为非重复，其余的视为重复。
- 当 `keep='last'` 时，每组重复项中最后一个出现的行被视为非重复，其余的视为重复。
- 当 `keep=False` 时，所有重复项都被视为重复，不管它们在数据框中的位置。因此，`data[data['单据号'].duplicated(keep=False)]` 和 `data[data['单据号'].duplicated()]` 的区别在于如何处理重复的 `'单据号'`：
- `data[data['单据号'].duplicated(keep=False)]`：这会返回所有具有重复 `'单据号'` 的行，不论它们在数据集中的重复次数或位置。这意味着，如果有多个行的 `'单据号'` 相同，所有这些行都会被包含在这个结果中。
- `data[data['单据号'].duplicated()]`：默认情况下，`keep` 参数的值是 `'first'`。因此，这个表达式会返回除了每个 `'单据号'` 的第一个出现之外的所有重复行。也就是说，如果有重复的 `'单据号'`，只有第一次出现之后的那些重复行会被标记并返回。
总结来说，前者会包括所有重复的行，而后者只会包括除首个重复外的其他重复行。
三、根据单据号，分组统计每个购物篮中的商品列表
#根据单据号，分组统计每个购物篮中的商品列表
itemSetList = data.groupby(by='单据号').apply(lambda x: list(x.商品名称))
三、根据单据号，分组统计每个购物篮中的商品数量
#根据单据号，分组统计每个购物篮中的商品数量
itemSetCount = itemSet = data.groupby(by='单据号').apply(lambda x: len(x.商品名称))
四、将统计数据汇总为一个数据框并过滤出商品数量大于1的购物篮
#将统计数据汇总为一个数据框
itemSet = pandas.DataFrame({'商品列表': itemSetList, '商品数量': itemSetCount
})
#过滤出商品数量大于1的购物篮
itemSet = itemSet[itemSet.商品数量>1]
四、使用Apyori库进行关联规则分析及统计指标提取
(一) 获取到购物篮中的商品列表，用于apriori函数的输入
#获取到购物篮中的商品列表，用于apriori函数的输入
transactions = itemSet['商品列表'].values
#提取名为 '商品列表' 的列，并获取该列的所有值。
transactions
(二)得到关联规则和与之对应的统计指标
from apyori import apriori
#调用apriori算法进行计算，
#得到关联规则和与之对应的统计指标
results = list(apriori(transactions, min_support=0.001, #最小支持度min_confidence=0.001, #最小置信度min_lift=1.001#最小提升度
)
)#支持度（support）
supports = []#置信度（confidence）
confidences = []#提升度（lift）
lifts = []#基于项items_base
bases = []
#推导项items_add
adds = []#results[0].ordered_statistics
(三) 关联规则分析结果 DataFrame 构建
首先，迭代Apriori算法的结果results，将每个结果中的关键信息（支持度、置信度、提升度、基于项、推荐项）分别存储在对应的列表中。
接着，使用Pandas库创建一个名为result的数据框，包含5个列：
基于（bases）：存储每个频繁项集中的基于项，即频繁项集中的第一个项。
推荐（adds）：存储每个频繁项集中的推荐项，即频繁项集中的第二个项。
支持度（supports）：存储每个频繁项集的支持度。
置信度（confidences）：存储每个频繁项集的置信度。
提升度（lifts）：存储每个频繁项集的提升度。
#把apriori函数计算的结果，
#保存成为一个数据框，方便数据分析
for r in results:size = len(r.ordered_statistics)for j in range(size):supports.append(r.support)confidences.append(r.ordered_statistics[j].confidence)lifts.append(r.ordered_statistics[j].lift)bases.append(list(r.ordered_statistics[j].items_base))adds.append(list(r.ordered_statistics[j].items_add))
#保存成为一个数据框
result = pandas.DataFrame({'基于': bases,'推荐': adds,'支持度': supports,'置信度': confidences,'提升度': lifts
})
result
若要显示全部结果，如下操作：
pandas.options.display.max_rows = None在Python的Pandas库中，pandas.options.display.max_rows 是一个用于控制DataFrame显示最大行数的选项。默认情况下，当DataFrame的行数超过一定数量时（通常是30行），Pandas会只显示一个省略号（...），表示有更多行数据未显示。
# 当你设置 pandas.options.display.max_rows = None 时，你是在告诉Pandas不要限制DataFrame的显示行数，即显示所有的行。这样，无论DataFrame有多少行，都会完全显示出来，而不会出现省略号。
70个结果全部显示完全
