總結(jié)分析python數(shù)據(jù)化運(yùn)營關(guān)聯(lián)規(guī)則
內(nèi)容介紹
以 Python 使用 關(guān)聯(lián)規(guī)則 簡單舉例應(yīng)用關(guān)聯(lián)規(guī)則分析。
關(guān)聯(lián)規(guī)則 也被稱為購物籃分析,用于分析數(shù)據(jù)集各項(xiàng)之間的關(guān)聯(lián)關(guān)系。
一般應(yīng)用場景
關(guān)聯(lián)規(guī)則分析:最早的案例啤酒和尿布;據(jù)說是沃爾瑪超市在分析顧客的購買記錄時(shí),發(fā)現(xiàn)許多客戶購買啤酒的同時(shí)也會(huì)購買嬰兒尿布,于是超市調(diào)整了啤酒和尿布的貨架擺放,讓這兩個(gè)品類擺放在一起;結(jié)果這兩個(gè)品類的銷量都有明顯的增長;分析原因是很多剛生小孩的男士在購買的啤酒時(shí),會(huì)順手帶一些嬰幼兒用品。
后來也引申到不同的應(yīng)用場景,分析變量與變量之間的關(guān)系情況分析。總體來說分析的都是類別變量。
關(guān)聯(lián)規(guī)則實(shí)現(xiàn)
import pandas as pd from apriori_new import * #導(dǎo)入自行編寫的apriori函數(shù) import time #導(dǎo)入時(shí)間庫用來計(jì)算用時(shí) import re import random import pandas as pd # 自定義關(guān)聯(lián)規(guī)則算法 def connect_string(x, ms): x = list(map(lambda i: sorted(i.split(ms)), x)) l = len(x[0]) r = [] # 生成二項(xiàng)集 for i in range(len(x)): for j in range(i, len(x)): # if x[i][l-1] != x[j][l-1]: if x[i][:l - 1] == x[j][:l - 1] and x[i][l - 1] != x[j][ l - 1]: # 判斷數(shù)字和字母異同,初次取字母數(shù)字不全相同(即不同癥狀(字母),或同一證型程度不同(數(shù)字)) r.append(x[i][:l - 1] + sorted([x[j][l - 1], x[i][l - 1]])) return r # 尋找關(guān)聯(lián)規(guī)則的函數(shù) def find_rule(d, support, confidence, ms=u'--'): result = pd.DataFrame(index=['support', 'confidence']) # 定義輸出結(jié)果 support_series = 1.0 * d.sum() / len(d) # 支持度序列 column = list(support_series[support_series > support].index) # 初步根據(jù)支持度篩選,符合條件支持度,共 276個(gè)index證型 k = 0 while len(column) > 1: # 隨著項(xiàng)集元素增多 可計(jì)算的column(滿足條件支持度的index)會(huì)被窮盡,隨著證型增多,之間的關(guān)系會(huì)越來越不明顯,(同時(shí)發(fā)生可能性是小概率了) k = k + 1 print(u'\n正在進(jìn)行第%s次搜索...' % k) column = connect_string(column, ms) print(u'數(shù)目:%s...' % len(column)) sf = lambda i: d[i].prod(axis=1, numeric_only=True) # 新一批支持度的計(jì)算函數(shù) len(d) # 創(chuàng)建連接數(shù)據(jù),這一步耗時(shí)、耗內(nèi)存最嚴(yán)重。當(dāng)數(shù)據(jù)集較大時(shí),可以考慮并行運(yùn)算優(yōu)化。 # 依次對(duì)column每個(gè)元素(如[['A1', 'A2'], ['A1', 'A3']]中的['A1', 'A2'])運(yùn)算,計(jì)算data_model_中對(duì)應(yīng)該行的乘積,930個(gè),若['A1', 'A2']二者同時(shí)發(fā)生為1則此行積為1 d_2 = pd.DataFrame(list(map(sf, column)),index=[ms.join(i) for i in column]).T # list(map(sf,column)) 276X930 index 276 support_series_2 = 1.0 * d_2[[ms.join(i) for i in column]].sum() / len(d) # 計(jì)算連接后的支持度 column = list(support_series_2[support_series_2 > support].index) # 新一輪支持度篩選 support_series = support_series.append(support_series_2) column2 = [] for i in column: # 遍歷可能的推理,如{A,B,C}究竟是A+B-->C還是B+C-->A還是C+A-->B? i = i.split(ms) # 由'A1--B1' 轉(zhuǎn)化為 ['A1', 'B1'] for j in range(len(i)): # column2.append(i[:j] + i[j + 1:] + i[j:j + 1]) cofidence_series = pd.Series(index=[ms.join(i) for i in column2]) # 定義置信度序列 for i in column2: # 計(jì)算置信度序列 如i為['B1', 'A1'] # i置信度計(jì)算:i的支持度除以第一個(gè)證型的支持度,表示第一個(gè)發(fā)生第二個(gè)發(fā)生的概率 cofidence_series[ms.join(i)] = support_series[ms.join(sorted(i))] / support_series[ms.join(i[:len(i) - 1])] for i in cofidence_series[cofidence_series > confidence].index: # 置信度篩選 result[i] = 0.0 # B1--A1 0.330409 A1--B1 0.470833,絕大部分是要剔除掉的,初次全剔除 result[i]['confidence'] = cofidence_series[i] result[i]['support'] = support_series[ms.join(sorted(i.split(ms)))] result = result.T.sort_values(by=['confidence', 'support'],ascending=False) # 結(jié)果整理,輸出,先按confidence升序,再在confidence內(nèi)部按support升序,默認(rèn)升序,此處降序 return result
關(guān)聯(lián)規(guī)則應(yīng)用舉例
sku_list = [ '0000001','0000002','0000003','0000004','0000005', '0000006','0000007','0000008','0000009','0000010', '0000011','0000012','0000013','0000014','0000015', '0000016','0000017','0000018','0000019','0000020', 'A0000001','A0000002','A0000003','A0000004','A0000005', 'A0000006','A0000007','A0000008','A0000009','A0000010', 'A0000011','A0000012','A0000013','A0000014','A0000015', 'A0000016','A0000017','A0000018','A0000019','A0000020', ] # 隨機(jī)抽取數(shù)據(jù)生成列表 mat = [ random.sample(sku_list, random.randint(2,5)) for i in range(100)] data = pd.DataFrame(mat,columns=["A","B","C","D","E"]) data = pd.get_dummies(data) # 轉(zhuǎn)換類別變量矩陣 data = data.fillna(0)
- 支持度:表示項(xiàng)集{X,Y}在總項(xiàng)集里出現(xiàn)的概率。
- 置信度:表示在先決條件X發(fā)生的情況下,由關(guān)聯(lián)規(guī)則”X→Y“推出Y的概率。表示在發(fā)生X的項(xiàng)集中,同時(shí)會(huì)發(fā)生Y的可能性,即X和Y同時(shí)發(fā)生的個(gè)數(shù)占僅僅X發(fā)生個(gè)數(shù)的比例。
support = 0.01 #最小支持度 confidence = 0.05 #最小置信度 ms = '---' #連接符,默認(rèn)'--',用來區(qū)分不同元素,如A--B。需要保證原始表格中不含有該字符 start = time.clock() #計(jì)時(shí)開始 print(u'\n開始搜索關(guān)聯(lián)規(guī)則...') print(find_rule(data, support, confidence, ms)) end = time.clock() #計(jì)時(shí)結(jié)束 print(u'\n搜索完成,用時(shí):%0.2f秒' %(end-start))
以上就是總結(jié)分析python數(shù)據(jù)化運(yùn)營關(guān)聯(lián)規(guī)則的詳細(xì)內(nèi)容,更多關(guān)于python數(shù)據(jù)化運(yùn)營關(guān)聯(lián)規(guī)則的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!
- Python實(shí)現(xiàn)雙軸組合圖表柱狀圖和折線圖的具體流程
- 用Python做個(gè)個(gè)性的動(dòng)畫掛件讓桌面不單調(diào)
- 如何用Python寫一個(gè)簡單的通訊錄
- python實(shí)現(xiàn)多個(gè)視頻文件合成畫中畫效果
- 自己用python做的一款超炫酷音樂播放器
- Python做個(gè)自定義動(dòng)態(tài)壁紙還可以放視頻
- 分析總結(jié)Python數(shù)據(jù)化運(yùn)營KMeans聚類
- python中的zip模塊
- python項(xiàng)目--使用Tkinter的日歷GUI應(yīng)用程序
- 如何使用Python做個(gè)自定義動(dòng)態(tài)壁紙
相關(guān)文章
基于python連接oracle導(dǎo)并出數(shù)據(jù)文件
這篇文章主要介紹了基于python連接oracle導(dǎo)并出數(shù)據(jù)文件,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-04-04python爬蟲使用正則爬取網(wǎng)站的實(shí)現(xiàn)
這篇文章主要介紹了python爬蟲使用正則爬取網(wǎng)站的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-08-08使用 django orm 寫 exists 條件過濾實(shí)例
這篇文章主要介紹了使用 django orm 寫 exists 條件過濾實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-05-05