什麼是購物籃分析？

Python 的 Market Basket Analysis

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

選擇書店動線配置

此圖顯示書店動線：將小說與傳記分在一區，詩集與歷史分在一區。

此圖顯示書店動線：將小說與詩集分在一區，傳記與歷史分在一區。

探索交易資料

TID	Transaction
1	biography, history
2	fiction
3	biography, poetry
4	fiction, history
5	biography
...	...
75000	fiction, poetry

TID = 每筆交易的唯一 ID。

Transaction = 一起購買的獨特品項集合。

什麼是購物籃分析？

找出常被一起購買的商品。
- 傳記與歷史
- 小說與詩集
根據結果提出建議。
- 將傳記與歷史區放在一起。
- 小說與歷史區分開。

購物籃分析的應用情境

建立 Netflix 風格的推薦引擎。
提升電商商品推薦。
零售情境的交叉銷售。
改善庫存管理。
進一步加購（upsell）。

運用購物籃分析

TID	Transaction
11	fiction, biography
12	fiction, biography
13	history, biography
...	...
19	fiction, biography
20	fiction, biography
...	...

購物籃分析
- 建立關聯規則
- 找出常被一起購買的品項
關聯規則
- {前件} $\rightarrow$ {後件}
  - {fiction} $\rightarrow$ {biography}

載入資料

import pandas as pd

# Load transactions from pandas.
books = pd.read_csv("datasets/bookstore.csv")

# Print the header
print(books.head(2))

TID         Transaction                 
0    biography, history
1               fiction

若需要複習，請參考 Pandas Cheat Sheet。

建立交易記錄

# Split transaction strings into lists.
transactions = books['Transaction'].apply(lambda t: t.split(','))

# Convert DataFrame into list of strings.
transactions = list(transactions)

計數商品組合

# Print the first transaction.
print(transactions[0])

['biography', 'history']

# Count the number of transactions that contain biography and fiction.
transactions.count(['biography', 'fiction'])

提出建議

# Count the number of transactions that contain fiction and poetry.
transactions.count(['fiction', 'poetry'])

此圖顯示書店動線：將小說與詩集分在一區，傳記與歷史分在一區。

一起來練習吧！

Python 的 Market Basket Analysis