Apriori分析BreadBasket

數據集下載：https://www.kaggle.com/sulmansarwar/transactions-from-a-bakery?select=BreadBasket_DMS.csv

matplotlib設置繪圖風格：https://blog.csdn.net/weixin_42968458/article/details/82889736
覺得比較好看的幾款：
fivethirtyeight，seaborn-colorblind，seaborn-paper這三款差不多；seaborn-white是背景爲白色的。

EDA

import pandas as pd
import numpy as np
import warnings
warnings.filterwarnings('ignore')
df = pd.read_csv('C:/Users/admin/Desktop/Apriori/BreadBasket_DMS.csv')

df['Item']=df['Item'].str.lower()

x=df['Item']== 'none'
print(x.value_counts())

False    20507
True       786
Name: Item, dtype: int64

df=df.drop(df[df.Item == 'none'].index)  #這裏不是null，所以不能用df.dropna(axis = 0)

去除沒有買東西的記錄，none相當於一個去超市逛了逛，但是最後沒有買東西。

len(df['Item'].unique())

94

Item一共有94種不同的商品

分析最暢銷的商品

df_for_top10_Items=df['Item'].value_counts().head(10)
Item_array= np.arange(len(df_for_top10_Items))

import matplotlib.pyplot as plt
plt.style.use("fivethirtyeight")   
plt.figure(figsize=(12,5))
Items_name=['coffee','bread','tea','cake','pastry','sandwich','medialuna','hot chocolate','cookies','brownie']
plt.bar(Item_array,df_for_top10_Items.iloc[:])
plt.xticks(Item_array,Items_name)  #設置橫座標
plt.title('Top 5 most selling items',fontsize=18)
#添加數據標籤
for x, y in zip(Item_array,df_for_top10_Items.iloc[:]):    
    plt.text(x+0.05,y+0.15,'%.0f' %y,ha='center',va='bottom')
plt.show()

df_for_top10_Items.iloc[:]

coffee           5471
bread            3325
tea              1435
cake             1025
pastry            856
sandwich          771
medialuna         616
hot chocolate     590
cookies           540
brownie           379
Name: Item, dtype: int64

按星期分析的交易頻次（售出商品數量）

df['Date'] = pd.to_datetime(df['Date'])   #將數據轉化爲日期格式
df['Time'] = pd.to_datetime(df['Time'],format= '%H:%M:%S' ).dt.hour   #獲取小時這個數字
df['day_of_week'] = df['Date'].dt.weekday   
#得出具體一天是星期幾，0表示星期一，6表示星期天
d=df.loc[:,'Date']

df['day_of_week'].value_counts()

5    4605
4    3124
6    3095
3    2646
1    2392
0    2324
2    2321
Name: day_of_week, dtype: int64

weekday_names=[ 'Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday']
Weekday_number=[0,1,2,3,4,5,6]
week_df = d.groupby(d.dt.weekday).count().reindex(Weekday_number)
Item_array_week= np.arange(len(week_df))

plt.style.use("seaborn-paper")
plt.figure(figsize=(9,5))
plt.bar(Item_array_week,week_df)
plt.xticks(Item_array_week,weekday_names)
plt.title('Number of Transactions made based on Weekdays',fontsize=18)
#添加數據標籤
for x, y in zip(Item_array_week,week_df):    
    plt.text(x+0.05,y+0.15,'%.0f' %y,ha='center',va='bottom')
plt.show()

果然從週五開始放飛，一直持續到週日，並且週六購買的數量最多。

分析各個時段的購買商品數目（注意這裏不是顧客數）

dt=df.loc[:,'Time']
Hour_names=[ 7, 8, 9,10,11,12,13,14,15,16,17,18,19,20,21,22,23]
time_df=dt.groupby(dt).count().reindex(Hour_names)
Item_array_hour= np.arange(len(time_df))

plt.figure(figsize=(13,5))
plt.bar(Item_array_hour,time_df)
plt.xticks(Item_array_hour,Hour_names)
plt.title('Number of Transactions made based on Hours',fontsize=18)
#添加數據標籤
for x, y in zip(Item_array_hour,time_df):    
    plt.text(x+0.05,y+0.15,'%.0f' %y,ha='center',va='bottom')
plt.show()

Apriori

同一時間的Transaction，我們認爲是一個人的購物籃，所以需要將對應的Item按照Transaction分組，然後形成list,根據Apriori的要求，也可以形成tuple，但是這裏最小不要形成tuple,因爲對於tuple裏只有一個元素的，末尾會添上一個問號，這個會影響到頻繁項集的篩選。

處理參考網址：https://cloud.tencent.com/developer/ask/175315

df.groupby(['Transaction'])['Item'].apply(list).head()

Transaction
1                          [bread]
2     [scandinavian, scandinavian]
3    [hot chocolate, jam, cookies]
4                         [muffin]
5          [coffee, pastry, bread]
Name: Item, dtype: object

from efficient_apriori import apriori
data = list(df.groupby(['Transaction'])['Item'].apply(list))
itemsets, rules = apriori(data, min_support=0.05,  min_confidence=0.2)

itemsets

{1: {('bread',): 3097,
  ('cake',): 983,
  ('coffee',): 4528,
  ('cookies',): 515,
  ('hot chocolate',): 552,
  ('medialuna',): 585,
  ('pastry',): 815,
  ('sandwich',): 680,
  ('tea',): 1350},
 2: {('bread', 'coffee'): 852, ('cake', 'coffee'): 518}}

這裏可以發現人們的一些購買習慣，如經常購買的物品，或者經常購買的物品組合，這些購買習慣中隱藏着一定強度的關聯規則。

rules

[{bread} -> {coffee}, {cake} -> {coffee}]

min_support和min_confidence的初始值需要小一些，否則輸出來是空的。經過不但嘗試發現
{bread} -> {coffee}約0.2左右，{cake} -> {coffee}約0.52左右。即買麪包後有20%的可能買咖啡，買蛋糕有50%的可能性買咖啡。