總結分析python數據化運營關聯規則

內容介紹

以 Python 使用 關聯規則 簡單舉例應用關聯規則分析。

關聯規則 也被稱為購物籃分析,用於分析數據集各項之間的關聯關系。

一般應用場景

關聯規則分析:最早的案例啤酒和尿佈;據說是沃爾瑪超市在分析顧客的購買記錄時,發現許多客戶購買啤酒的同時也會購買嬰兒尿佈,於是超市調整瞭啤酒和尿佈的貨架擺放,讓這兩個品類擺放在一起;結果這兩個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,會順手帶一些嬰幼兒用品。

後來也引申到不同的應用場景,分析變量與變量之間的關系情況分析。總體來說分析的都是類別變量。

關聯規則實現

import pandas as pd
from apriori_new import * #導入自行編寫的apriori函數
import time #導入時間庫用來計算用時
import re
import random
import pandas as pd
# 自定義關聯規則算法
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]:  # 判斷數字和字母異同,初次取字母數字不全相同(即不同癥狀(字母),或同一證型程度不同(數字))
                r.append(x[i][:l - 1] + sorted([x[j][l - 1], x[i][l - 1]]))
    return r
# 尋找關聯規則的函數
def find_rule(d, support, confidence, ms=u'--'):
    result = pd.DataFrame(index=['support', 'confidence'])  # 定義輸出結果
    support_series = 1.0 * d.sum() / len(d)  # 支持度序列
    column = list(support_series[support_series > support].index)  # 初步根據支持度篩選,符合條件支持度,共 276個index證型
    k = 0
    while len(column) > 1:  # 隨著項集元素增多 可計算的column(滿足條件支持度的index)會被窮盡,隨著證型增多,之間的關系會越來越不明顯,(同時發生可能性是小概率瞭)
        k = k + 1
        print(u'\n正在進行第%s次搜索...' % k)
        column = connect_string(column, ms)
        print(u'數目:%s...' % len(column))
        sf = lambda i: d[i].prod(axis=1, numeric_only=True)  # 新一批支持度的計算函數
        len(d)
        # 創建連接數據,這一步耗時、耗內存最嚴重。當數據集較大時,可以考慮並行運算優化。
        # 依次對column每個元素(如[['A1', 'A2'], ['A1', 'A3']]中的['A1', 'A2'])運算,計算data_model_中對應該行的乘積,930個,若['A1', 'A2']二者同時發生為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)  # 計算連接後的支持度
        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:  # 計算置信度序列  如i為['B1', 'A1']
            # i置信度計算:i的支持度除以第一個證型的支持度,表示第一個發生第二個發生的概率
            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)  # 結果整理,輸出,先按confidence升序,再在confidence內部按support升序,默認升序,此處降序
    return result

關聯規則應用舉例

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',
]
# 隨機抽取數據生成列表
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) # 轉換類別變量矩陣
data = data.fillna(0)

在這裡插入圖片描述

  • 支持度:表示項集{X,Y}在總項集裡出現的概率。
  • 置信度:表示在先決條件X發生的情況下,由關聯規則”X→Y“推出Y的概率。表示在發生X的項集中,同時會發生Y的可能性,即X和Y同時發生的個數占僅僅X發生個數的比例。
support = 0.01 #最小支持度
confidence = 0.05 #最小置信度
ms = '---' #連接符,默認'--',用來區分不同元素,如A--B。需要保證原始表格中不含有該字符
start = time.clock() #計時開始
print(u'\n開始搜索關聯規則...')
print(find_rule(data, support, confidence, ms))
end = time.clock() #計時結束
print(u'\n搜索完成,用時:%0.2f秒' %(end-start))

在這裡插入圖片描述

以上就是總結分析python數據化運營關聯規則的詳細內容,更多關於python數據化運營關聯規則的資料請關註WalkonNet其它相關文章!

推薦閱讀: