Python 电商购物篮 Apriori 实战

一、项目背景 & 业务问题

1.业务问题： 哪些商品经常被一起购买？如何设计产品捆绑包或进行交叉销售推荐？
2.核心模型： Apriori 算法 或 FP-Growth 算法
3.这是购物篮分析的经典算法，用于发现项集之间的关联规则。

二、数据准备

1.数据表结构说明

2.orders订单主表（核心分析表）

3.users 用户基础信息表

4.user_features 用户特征统计表

5.products 商品基础信息表

6.product_features 商品特征统计表

7.user_behaviors 用户行为日志表

• orders订单表：存储所有下单记录，是购物篮分析唯一数据源
• products商品表：存储商品 ID、商品名称、品类 category，用于维度聚合 其余用户、用户行为、商品特征表用于拓展用户画像分析，本次关联挖掘暂未启用。

三、整体分析流程

数据采集 → 数据清洗 → 探索分析 → RFM 指标计算 → 用户分层 → 用户画像 → 可视化 → 业务策

四、代码实现

1.环境与数据库配置

from datetime import datetime import pymysql import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns import warnings # 关联规则建模必备库（原代码缺失，已补充） from mlxtend.frequent_patterns import apriori, fpgrowth, association_rules import networkx as nx # 全局关闭所有警告（字体、运行警告等，保证界面整洁） warnings.filterwarnings("ignore") # -------------------------- # 2. Matplotlib 中文乱码 + 负号显示配置 # 解决Python绘图中文方框、负数不显示问题（Windows系统通用配置） # -------------------------- plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'PingFang SC', 'Arial Unicode MS'] plt.rcParams['font.family'] = 'sans-serif' plt.rcParams['axes.unicode_minus'] = False # -------------------------- # 3. 数据库连接配置（MySQL） # 适配本地Navicat MySQL数据库，根据自己账号密码修改 # -------------------------- DB_CONFIG = { "host": "localhost", # 数据库地址（本地固定localhost） "user": "root", # MySQL账号 "password": "@yemengsi0301", # MySQL密码 "database": "taobao_analysis", # 数据库名 "charset": "utf8mb4" # 字符集（支持表情、特殊字符） } # 创建数据库连接函数 def create_conn(): conn = pymysql.connect(**DB_CONFIG) return conn

2.数据采集

def read_sql_data(sql): """执行SQL查询，返回DataFrame数据表""" conn = create_conn() df = pd.read_sql(sql, conn) conn.close() return df def clean_column_names(df): """清洗列名：移除隐藏字符、去除首尾空格""" df.columns = [col.replace("\ufeff", "").strip() for col in df.columns] return df

3.构建购物篮数据集

Apriori

核心原理：先找频繁 1 项集→频繁 2 项集… 逐层迭代，满足先验性质：频繁项集的子集一定频繁，非频繁项集超集一定不频繁

优点：逻辑简单、好理解、规则易解释，适合中小数据量

缺点：多次扫描数据集，大数据量运行缓慢

FP-Growth

核心原理：构建 FP 树（频繁模式树），仅两次遍历数据，无需生成候选集

优点：运算速度极快，百万级订单首选

缺点：树结构抽象，原理理解难度更高

三大评估指标

支持度 Support = 同时购买 A&B 订单数 / 总有效订单数 → 组合流行度

置信度 Confidence = 同时购买 A&B 订单数 / 仅购买 A 订单数 → 买 A 后顺带买 B 的概率

提升度 Lift = Confidence / (购买 B 总订单 / 全部订单)

Lift>1：正向强关联，适合捆绑；Lift=1 无关联；Lift<1 商品互斥，不能搭配

# 1. 提取订单-商品一对一关联，去重（同一订单多件同款商品只保留1条记录） df_order_item = df_orders_clean[["order_id", "product_id"]].drop_duplicates() # 2. 关联商品表，使用商品分类category建模，替代单品名称，大幅降维 df_order_merge = pd.merge( df_order_item, df_products[["product_id", "category"]], # 核心改动：取分类字段而非商品名 on="product_id", how="left" ) # 剔除分类信息缺失脏数据 df_order_merge = df_order_merge.dropna(subset=["category"]) print(f"订单-品类匹配完成，共{len(df_order_merge)}条品类购买记录") # 3. 透视表生成购物篮0/1矩阵（列改为商品品类，维度大幅减少） basket_df = pd.pivot_table( data=df_order_merge, index="order_id", columns="category", # 核心改动：列改为分类category aggfunc=lambda x: 1, fill_value=0 ) # 转换布尔值，mlxtend算法强制要求bool输入 basket_bool = basket_df.astype(bool) print(f"购物篮矩阵生成完成：订单数{basket_bool.shape[0]}，商品品类总数{basket_bool.shape[1]}") # 诊断：统计每个订单同时购买了多少个不同品类 order_category_cnt = df_order_merge.groupby("order_id")["category"].nunique() print("每个订单包含不同品类数量分布：") print(order_category_cnt.value_counts().sort_index()) print("【步骤3 购物篮构建 完成】\n") print("【步骤4 关联规则建模挖掘】") from mlxtend.frequent_patterns import apriori, fpgrowth, association_rules import networkx as nx import pandas as pd # 最低门槛设置 # MIN_SUPPORT = 0.001 # MIN_CONFIDENCE = 0.3 # MIN_LIFT = 1. # 宽松测试阈值 MIN_SUPPORT = 0.0003 MIN_CONFIDENCE = 0.15 MIN_LIFT = 1.05 # 修复后的格式化函数，解决tuple拼接报错 def format_item_set(item_set): item_list = [] for item in item_set: if isinstance(item, tuple): item_list.append("-".join(map(str, item))) else: item_list.append(str(item)) return ",".join(item_list)

# ---------------------- # 4.1 Apriori算法建模 # ---------------------- freq_apriori = apriori(basket_bool, min_support=MIN_SUPPORT, use_colnames=True) print("频繁项集总条数：", len(freq_apriori)) # 空数据兜底分支，防止无规则时报错中断程序 if len(freq_apriori) == 0: print("=" * 60) print("⚠️ 重要结论：当前全部订单数据中，未挖掘到任意满足阈值的商品共购组合") print("原因推测：用户大多单次仅购买1件商品，跨商品共同购买行为稀缺") print("业务建议：平台优先做单品优惠活动，暂不推出捆绑套餐、交叉搭配推荐") print("=" * 60) # 创建空结果表，保证后续代码能正常运行不崩溃 apriori_result = pd.DataFrame(columns=["前置商品A", "后置商品B", "support", "confidence", "lift"]) else: # 生成关联规则 rules_apriori = association_rules(freq_apriori, metric="confidence", min_threshold=MIN_CONFIDENCE) # 筛选正向高关联组合 rules_apriori = rules_apriori[rules_apriori["lift"] >= MIN_LIFT].sort_values("lift", ascending=False) # 转换商品集合为可读字符串 rules_apriori["前置商品A"] = rules_apriori["antecedents"].apply(format_item_set) rules_apriori["后置商品B"] = rules_apriori["consequents"].apply(format_item_set) # 提取业务核心字段 apriori_result = rules_apriori[["前置商品A", "后置商品B", "support", "confidence", "lift"]].reset_index(drop=True) # 新增关键过滤：剔除【同一个商品自己关联自己】的无效垃圾规则 apriori_result = apriori_result[apriori_result["前置商品A"] != apriori_result["后置商品B"]] # 导出Excel apriori_result.to_excel("Apriori商品关联规则结果.xlsx", index=False) print(f"Apriori挖掘有效强关联规则共{len(apriori_result)}条") print("Apriori Top10高搭配组合：") print(apriori_result.head(10))

rule_df = apriori_result # 分层1：超高强关联（固定优惠套装/礼盒，lift≥3，置信度≥0.7） bundle_package = rule_df[(rule_df["lift"] >= 3) & (rule_df["confidence"] >= 0.7)] # 分层2：中等关联（商品详情页/购物车交叉推荐，1.1≤lift<3） cross_recommend = rule_df[(rule_df["lift"] >= 1.1) & (rule_df["lift"] < 3)] # 分层3：多件组合（三件及以上商品，适合大促满减） multi_goods = rule_df[(rule_df["前置商品A"].str.count(",") >= 1) | (rule_df["后置商品B"].str.count(",") >= 1)] # 生成可直接使用的运营方案文本 strategy_text = f""" # 商品捆绑销售落地运营策略报告 ## 一、长期固定捆绑套餐（天然强搭配组合） 适用：首页套装专区、礼盒、组合特惠，套餐总价优惠5%-15% 代表组合清单： {bundle_package.to_string()} with open("捆绑销售运营策略.txt", "w", encoding="utf-8") as f: f.write(strategy_text) print("===== 强捆绑套餐组合（必做套装） =====") print(bundle_package) print("\n===== 交叉推荐商品组合 =====") print(cross_recommend.head(8))

4.数据可视化

plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei'] plt.rcParams['axes.unicode_minus'] = False # 判断是否存在有效规则，无规则则提示无法绘图 if len(apriori_result) == 0: print("⚠️ 无有效商品关联规则，无法生成关联网络图") else: G = nx.Graph() top_rules = apriori_result.head(40) for _, row in top_rules.iterrows(): a_goods = row["前置商品A"] b_goods = row["后置商品B"] link_weight = row["lift"] G.add_edge(a_goods, b_goods, weight=link_weight) pos = nx.spring_layout(G, seed=12) edge_weights = [G[i][j]["weight"] for i, j in G.edges()] nx.draw( G, pos, with_labels=True, node_size=1200, font_size=7, width=np.array(edge_weights)/8, alpha=0.8 ) plt.title("商品品类搭配关联网络图", fontsize=14) plt.savefig("商品关联网络图.png", dpi=300, bbox_inches="tight") plt.show() print("网络图图片已保存至本地文件夹")

因无任何有效关联规则，三层策略表全部为空。业务落地建议：短期放弃捆绑套餐、跨品类交叉推荐，运营活动重心调整为单品直降、单品优惠券；长期通过人工搭配活动引导用户一单多品类采购，积累样本后重新建模。

五、项目踩坑总结

1.本次数据集核心问题

• 用户购物习惯：单次下单仅采购单一品类商品，无跨品类共购样本；
• 单品维度过于分散，直接单品建模维度高达 1906 个，几乎无共购组合。
• 改用品类聚合建模，降低矩阵维度；
• 绘图代码增加模拟数据兜底，保证可视化效果展示；
• 增加订单品类数量诊断代码，快速定位无规则根源。
• 运营上线品类捆绑套餐、满减活动，引导用户一单多品类购买；
• 商品详情页配置搭配推荐，提升跨品类共购订单量；
• 积累混合品类订单后，重新执行购物篮分析。