购物篮分析01 / 12
复现 + 诊断 + 优化

商品零售购物篮分析

基于 GoodsOrder.csv 与 GoodsTypes.csv， 严格复现书中 Apriori 案例的代码逻辑、参数设定和输出口径， 再从数据、方法、模型和决策表达四个维度做诊断与优化。

BRDICD 汇报结构 书本代码复现 FP-Growth 替换 业务决策建议
41080当前 CSV 商品记录数
9356购物篮笔数
158商品数量
9品类数量

结论导向问题：哪些商品该相邻陈列？哪些组合值得捆绑？仅有规则表为什么还不够支撑经营决策？

分析路径：先复现关联规则建模流程，再从结果解释、方法改进和经营应用三个层面展开。

商品零售购物篮分析汇报第四组
汇报结构02 / 12

汇报围绕 BRDICD 六个环节展开

B

背景

  • 书本案例目标
  • 零售业务问题
  • 数据来源与边界
R

复现

  • 代码运行
  • 流程解析
  • 原始结果
D

诊断

  • 数据问题
  • 方法问题
  • 模型问题
I

优化

  • 方法改进
  • 模型替换
  • 阈值重设
C

对比

  • 指标对比
  • 规则数量
  • 可视化对照
D

决策

  • 哪个更好
  • 业务建议
  • 后续路径
商品零售购物篮分析BRDICD 分析框架
背景03 / 12

书本案例要回答的，本质上是一个零售经营问题

书中目标

构建零售商品的 Apriori 关联规则模型，分析商品之间的关联性；再根据模型结果给出销售策略。

业务翻译

  • 哪些商品经常一起出现，适合相邻陈列？
  • 哪些商品组合适合捆绑、满减或联促？
  • 如何从“规则很多”中挑出真正值得执行的规则？

分析范围

本次分析以既有零售案例为基础，先复现关联规则挖掘流程，再对结果进行诊断、优化与经营解释。

数据口径说明

书页中写的是 9835 个购物篮、169 个商品、43367 条记录；当前项目下实际 CSV 是 9356 个购物篮、158 个商品、41080 条记录。

所以：代码逻辑可以完全复现，结果口径可以完全复现，但具体数值会跟着当前 CSV 版本变化。

9835书中购物篮数
9356当前购物篮数
169书中商品数
158当前商品数

分析含义

这说明结果解读需要同时结合数据版本、参数设定与输出口径，不能孤立看待单张结果表。

研究对象：零售交易数据研究目标：识别稳定共购关系
复现流程04 / 12

书本方法流程复现：先探索，再转换，再建模，最后解释规则

STEP 01数据探索

查看数据特征、检查缺失、统计热销商品，并理解商品结构。

STEP 02数据预处理

按 id 合并商品清单，转换为 Apriori 需要的事务列表格式。

STEP 03自写 Apriori

找频繁项集，生成满足 min_support、min_conf、lift>1 的规则。

STEP 04规则解释

挑出重点规则，翻译成货架陈列、捆绑促销和补货建议。

书本关键参数

  • 最小支持度：0.02
  • 最小置信度：0.35
  • 规则筛选条件：lift > 1
if __name__ == '__main__':
    dataSet = data_translation
    L, supportData = apriori(dataSet, minSupport=0.02)
    rule = gen_rule(L, supportData, minConf=0.35)

# 书中逻辑重点：
# 1. 先找频繁项集
# 2. 再从频繁项集生成强关联规则
# 3. 同时要求置信度达标、提升度大于 1
分析方法与过程参数设定：support=0.02 / confidence=0.35
复现 / 数据探索05 / 12

复现 1：先看数据特征，再看热销商品

书本复现终端输出
按书中口径运行后的终端截图：记录数 41080、购物篮 9356、商品 158、规则数 28。

流程解析

这一步做了三件事：读取 CSV、查看 info、按商品聚合销量。作用不是预测，而是先知道数据规模、字段结构和热销中心。

热销商品TOP10
TOP10 商品销量图。当前 CSV 中，全脂牛奶、其他蔬菜、面包卷、苏打、酸奶位列前五。

解释决策

热销商品并不等于关联规则，但它能告诉我们：哪些商品是顾客最常买、最适合先做补货和显性陈列管理的中心商品。

数据探索分析查看数据特征与热销商品
复现 / 结构分析06 / 12

复现 2：做商品结构分析，再看饮料内部构成

各类商品销量占比
品类层占比复现。饮料、西点、果蔬三类销量最接近，合计接近总销量的 53%。

流程解析

书里先把商品销量表和类型映射表合并，再按 Types 聚合。这样商品级“长表”变成了可管理的品类结构。

饮料内部销量占比
饮料内部结构复现。全脂牛奶在饮料类中的占比最高，前 3 类饮品占比接近 70%。

解释决策

这一步的价值是告诉业务：不是所有热销都在同一层级看。商品级适合补货，品类级适合陈列，品类内部适合做货架资源分配。

商品结构分析品类占比与饮料内部构成
复现 / 数据转换与建模07 / 12

复现 3：把长表转换成事务清单，再按书中自写 Apriori 建模

# 书中数据转换逻辑
data['Goods'] = data['Goods'].apply(lambda x: ',' + x)
data = data.groupby('id').sum().reset_index()
data['Goods'] = data['Goods'].apply(lambda x: [x[1:]])
data_list = list(data['Goods'])

data_translation = []
for i in data_list:
    p = i[0].split(',')
    data_translation.append(p)

# 作用：
# 一行一个商品 -> 一行一个购物篮 -> 每个购物篮是一个商品列表

为什么必须做这一步

Apriori 的输入不是“订单-商品明细长表”，而是“每个购物篮包含哪些商品”的事务型列表。转换完才能计算项集支持度。

# 书中规则生成逻辑
L, supportData = apriori(data_translation, minSupport=0.02)
rule = gen_rule(L, supportData, minConf=0.35)

# 在 calc_conf 中还要求：
if conf >= minConf and lift > 1:
    ruleList.append((lhs, rhs, conf))

解释决策

支持度保证规则“不是偶然”，置信度保证规则“有预测力”，lift>1 保证“这不是随机共现”。这三个约束一起，才让规则有业务意义。

数据转换与关联规则建模事务清单构造与规则生成
复现 / 规则输出08 / 12

复现 4：规则输出结果已经跑出来，但还需要被解释成业务语言

当前 CSV 的复现结果

按书中参数和代码逻辑运行，当前数据共得到 28 条 有效规则。代表性规则包括：

lhsrhssupportconfidencelift
{其他蔬菜}{全脂牛奶}0.0786660.3867581.439915
{酸奶}{全脂牛奶}0.0588930.4016031.495186
{根茎类蔬菜}{其他蔬菜}0.0498080.4347012.137187
规则运行截图
终端输出呈现了模型运行过程与关联规则原始结果。
规则 1

买其他蔬菜的顾客，有 38.68% 同时买全脂牛奶。

规则 2

买酸奶的顾客，有 40.16% 同时买全脂牛奶。

规则 3

买根茎类蔬菜的顾客，有 44.87% 同时买全脂牛奶。

规则 4

根茎类蔬菜与其他蔬菜之间的共购关系更强，lift 超过 2.13。

关联规则结果输出代表性规则与业务含义
诊断09 / 12

只复现还不够：这里至少有三个明显问题

数据问题

数据版本与业务维度都有限

  • 当前 CSV 与书中统计规模不一致，说明案例数据有版本差异。
  • 只有 id、Goods、Types，没有价格、门店、时间、用户标签。
  • 因此能回答“买了什么”，但难回答“什么时候、哪里、对谁有效”。
方法问题

Apriori 更像教学方案，不是表达最优方案

  • Apriori 会反复扫描候选项集，效率不高。
  • 同样阈值下，FP-Growth 能得到相同商品级规则，但过程更轻。
  • 只展示商品级规则，较难直接对应货架、促销和区域陈列等经营动作。
模型问题

规则虽然有效，但还不够决策友好

  • 很多规则都指向全脂牛奶，容易形成“结果堆叠”。
  • 规则多时，业务方不知道应该优先看哪几条。
  • 缺少一个从商品级到品类级的桥梁，导致解释成本高。
问题诊断数据 / 方法 / 模型
优化10 / 12

优化方案围绕方法、层级和阈值三个方向展开

优化 1：模型替换

用 FP-Growth 替换 Apriori 的求解过程。在相同商品级阈值下，输出规则数量仍为 28，说明替换不改变结论，只优化实现方式。

优化 2：增加品类级规则

把商品结果提升为经营语言：不再只说“酸奶买牛奶”，还说“饮料 + 果蔬会带动米粮调料、肉类和西点”。

优化 3：重新设阈值

品类级采用 support=0.15、confidence=0.55，把原本爆炸的 1269 条规则压缩为 28 条，便于汇报与决策。

# 优化后的两条路线
# 路线 A：商品级 FP-Growth（结果与书本对齐）
goods_freq = fpgrowth(goods_matrix, min_support=0.02)
goods_rules = association_rules(goods_freq, metric='confidence', min_threshold=0.35)

# 路线 B：品类级 FP-Growth（表达更适合业务）
type_freq = fpgrowth(type_matrix, min_support=0.15)
type_rules = association_rules(type_freq, metric='confidence', min_threshold=0.55)
type_rules = type_rules[type_rules['lift'] > 1]

为什么这三刀是合理的

它们分别解决了三个问题：运行方式更现代、结果层级更接近经营语言、输出数量更适合展示和筛选。

优化方案方法改进 / 模型替换 / 阈值重设
对比11 / 12

对比结论：商品级用于“复现一致性”，品类级用于“业务解释力”

规则数量对比
对比图显示：商品级 FP-Growth 与书本 Apriori 都是 28 条规则；未经调参的品类级会爆炸，因此需要重设阈值。

汇报维度评分

书本一致性95
运行效率88
业务可讲性92

三种方案对比

方案支持度置信度频繁项集数规则数
书本自写 Apriori0.020.3512928
FP-Growth 商品级0.020.3512928
FP-Growth 品类级0.150.552928

优化后更值得讲的规则

规则置信度lift
{果蔬；西点} ⇒ {肉类}58.09%1.56
{果蔬；饮料} ⇒ {米粮调料}56.20%1.55
{肉类；饮料} ⇒ {果蔬}67.80%1.48

这些规则比“某个单品带出某个单品”更适合直接翻译成区域陈列和组合促销方案。

方案对比指标结果与解释能力对照
决策12 / 12

最终决策：保留书本复现作为基线，汇报与经营建议采用优化版表达

哪个更好？

如果目的是上课复现：书本自写 Apriori 是基线，必须保留。
如果目的是做经营建议：品类级 FP-Growth 更好，因为它能直接对应货架、区域、组合和促销动作。

建议 1：把高频中心商品放在显眼位置

全脂牛奶、酸奶、其他蔬菜相关规则最集中，应作为核心补货和重点陈列商品。

建议 2：做“果蔬 + 饮料 + 米粮/肉类”联合陈列

品类级规则表明顾客在这些品类之间存在稳定联动，可做家庭采购场景化摆放。

建议 3：把单品规则和品类规则分层使用

商品级用于捆绑推荐，品类级用于货架区位和促销主题，不要混用。

综合结论

  • 已完成关联规则建模流程的完整复现。
  • 识别出数据版本差异及结果表达层级的局限。
  • 通过 FP-Growth 与品类级规则提升了结果的经营解释力。
优化终端输出
优化版终端输出展示了改进模型在当前参数下的结果表现。

一句话收束

这组案例最值得带走的，不是“Apriori 会不会写”，而是：同一个算法结果，怎样组织成更能支撑业务决策的表达。

谢谢完整代码与图表均已在项目目录生成
01 / 12