利用Python进行市场购物篮分析——入门篇

python分析师可以使用许多数据分析工具，但知道在哪些情况下使用哪些数据分析工具可能很困难。一种有用的（但却被忽视）的技术称为关联分析，它尝试在大型数据集中查找相关商品之间的关联。一个具体的应用通常称为市场篮子分析。最经典引用的市场篮子分析的例子是所谓的“啤酒和尿布”案例。基本的故事是，大型零售商能够挖掘他们的交易数据，并找到一个意想不到的购买啤酒和婴儿尿布的购买模式。

不幸的是，这个故事很可能是一个数据城市传奇。然而，它是挖掘事务数据可以获得的商业价值的示例。

如果你对Python数据科学有一些基本的了解，可能你的第一个倾向就是考虑scikit学习一个现成的算法。然而，scikit-learn不支持这种算法。幸运的是，Sebastian Raschka 提供了非常有用的具有Apriori算法的MLxtend库的，以方便我们进一步分析我们所掌握的数据。

接下来我将演示一个使用此库来分析相对较大的在线零售数据集的示例，并尝试查找有趣的购买组合。在本文结尾处，我希望你能掌握将其应用于你自己的数据集的基本方法。

为什么是关联分析？