欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

总结分析python数据化运营关联规则

程序员文章站 2022-07-07 21:06:20
目录内容介绍以 python 使用 关联规则 简单举例应用关联规则分析。关联规则 也被称为购物篮分析,用于分析数据集各项之间的关联关系。一般应用场景关联规则分析:最早的案例啤酒和尿布;据说是沃尔玛超市...

内容介绍

以 python 使用 关联规则 简单举例应用关联规则分析。

关联规则 也被称为购物篮分析,用于分析数据集各项之间的关联关系。

一般应用场景

关联规则分析:最早的案例啤酒和尿布;据说是沃尔玛超市在分析顾客的购买记录时,发现许多客户购买啤酒的同时也会购买婴儿尿布,于是超市调整了啤酒和尿布的货架摆放,让这两个品类摆放在一起;结果这两个品类的销量都有明显的增长;分析原因是很多刚生小孩的男士在购买的啤酒时,会顺手带一些婴幼儿用品。

后来也引申到不同的应用场景,分析变量与变量之间的关系情况分析。总体来说分析的都是类别变量。

关联规则实现

import pandas as pd
from apriori_new import * #导入自行编写的apriori函数
import time #导入时间库用来计算用时
import re
import random
import pandas as pd
# 自定义关联规则算法
def connect_string(x, ms):
    x = list(map(lambda i: sorted(i.split(ms)), x))
    l = len(x[0])
    r = []
    # 生成二项集
    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]:  # 判断数字和字母异同,初次取字母数字不全相同(即不同症状(字母),或同一证型程度不同(数字))
                r.append(x[i][:l - 1] + sorted([x[j][l - 1], x[i][l - 1]]))
    return r
# 寻找关联规则的函数
def find_rule(d, support, confidence, ms=u'--'):
    result = pd.dataframe(index=['support', 'confidence'])  # 定义输出结果
    support_series = 1.0 * d.sum() / len(d)  # 支持度序列
    column = list(support_series[support_series > support].index)  # 初步根据支持度筛选,符合条件支持度,共 276个index证型
    k = 0
    while len(column) > 1:  # 随着项集元素增多 可计算的column(满足条件支持度的index)会被穷尽,随着证型增多,之间的关系会越来越不明显,(同时发生可能性是小概率了)
        k = k + 1
        print(u'\n正在进行第%s次搜索...' % k)
        column = connect_string(column, ms)
        print(u'数目:%s...' % len(column))
        sf = lambda i: d[i].prod(axis=1, numeric_only=true)  # 新一批支持度的计算函数
        len(d)
        # 创建连接数据,这一步耗时、耗内存最严重。当数据集较大时,可以考虑并行运算优化。
        # 依次对column每个元素(如[['a1', 'a2'], ['a1', 'a3']]中的['a1', 'a2'])运算,计算data_model_中对应该行的乘积,930个,若['a1', 'a2']二者同时发生为1则此行积为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)  # 计算连接后的支持度
        column = list(support_series_2[support_series_2 > support].index)  # 新一轮支持度筛选
        support_series = support_series.append(support_series_2)
        column2 = []
        for i in column:  # 遍历可能的推理,如{a,b,c}究竟是a+b-->c还是b+c-->a还是c+a-->b?
            i = i.split(ms)  # 由'a1--b1' 转化为 ['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])  # 定义置信度序列
        for i in column2:  # 计算置信度序列  如i为['b1', 'a1']
            # i置信度计算:i的支持度除以第一个证型的支持度,表示第一个发生第二个发生的概率
            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:  # 置信度筛选
            result[i] = 0.0  # b1--a1    0.330409  a1--b1    0.470833,绝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)  # 结果整理,输出,先按confidence升序,再在confidence内部按support升序,默认升序,此处降序
    return result

关联规则应用举例

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',
]
# 随机抽取数据生成列表
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) # 转换类别变量矩阵
data = data.fillna(0)

总结分析python数据化运营关联规则

  • 支持度:表示项集{x,y}在总项集里出现的概率。
  • 置信度:表示在先决条件x发生的情况下,由关联规则”x→y“推出y的概率。表示在发生x的项集中,同时会发生y的可能性,即x和y同时发生的个数占仅仅x发生个数的比例。
support = 0.01 #最小支持度
confidence = 0.05 #最小置信度
ms = '---' #连接符,默认'--',用来区分不同元素,如a--b。需要保证原始表格中不含有该字符
start = time.clock() #计时开始
print(u'\n开始搜索关联规则...')
print(find_rule(data, support, confidence, ms))
end = time.clock() #计时结束
print(u'\n搜索完成,用时:%0.2f秒' %(end-start))

总结分析python数据化运营关联规则

以上就是总结分析python数据化运营关联规则的详细内容,更多关于python数据化运营关联规则的资料请关注其它相关文章!