前言

據說，全球零售業巨頭沃爾瑪在對消費者購物行為分析時發現，男性顧客在購買嬰兒尿片時，常常會順便搭配幾瓶啤酒來犒勞自己，于是嘗試推出了將啤酒和尿布擺在一起的促銷手段。沒想到這個舉措居然使尿布和啤酒的銷量都大幅增加了。這個“啤酒＋尿布”的購物籃組合，就是關聯分析的一個經典應用場景。簡單來說，關聯分析就是在大量數據中找到最常出現的組合。

關于Power BI如何做關聯分析，網上已經有不少文章(如馬老師之前的推文，以以及power bi星球等等)，其中的核心是合并及userelationship。但以往這些PowerBI的案例里，純用dax和PQ的技巧，只做出了兩兩之間的關聯度，難以求出三個或者更多產品之間的關聯度。所以本文介紹如何在PowerBI里借助Python快速求出頻繁項集(關聯度較大的組合)。

解決方案

對于本案，在PowerBI中使用Python有兩種方法：一種是使用Py可視化控件，在控件里用Python直接作圖；另一種是在PQ里處理數據，求出所需的頻繁項集，再用PowerBI的原生控件進行可視化。本文先講解前者。

本案的數據(BreadBasket，面包購物籃)結構如下。前兩列是購物時間，Transaction是購物單編號，Item是物品。

首先選取Py可視化控件，拖動到畫布上，然后再選中所需的字段，結果如下：

在Power Bi的下方出現了一個新的窗口(編輯器)。選中字段后，編輯器生成6行代：意味著Pandas和matplotlib兩個庫默認導入，同時生成了包含所選字段的數據幀dataset。接下來，即可在編輯器中編輯代碼。只要本地安裝了庫，都可以導入。而該控件要求代碼最后必須顯示圖表，否則會提示出錯。

Python進行關聯分析有幾個好用的庫。在輸入和輸出數據的便捷性上，個人認為Mlxtend最合適。具體代碼如下：

from mlxtend.frequent_patterns import apriori

from mlxtend.preprocessing import TransactionEncoder

import pandas as pd

import matplotlib.pyplot as plt

data=dataset

data.Item=data.Item.str.lower()

data=data.drop(data[data["Item"]=='none'].index) #刪除無物品的記錄

# 將數據集進行格式轉換

orders_series = data.set_index("Transaction")["Item"]

transactions = []

temp_index = 0

for i, v in orders_series.items():

if i != temp_index:

temp_set = set()

temp_index = i

temp_set.add(v)

transactions.append(temp_set)

else:

temp_set.add(v)

# 數據轉碼

te = TransactionEncoder()

te_ary = te.fit(transactions).transform(transactions)

df = pd.DataFrame(te_ary, columns=te.columns_)

# 求頻繁項集

frequent_items=apriori(df,min_support=0.02,use_colnames=True) # 支持度為0.02

frequent_items["itemsets"]=frequent_items["itemsets"].apply(lambda x:[x for x in x]) # 頻繁項集frozenset轉list

frequent_items["itemsets"]=frequent_items["itemsets"].apply(lambda x:','.join(x)) # 頻繁項集list轉str

frequent_items=frequent_items.sort_values(["support"],ascending=False) # 按支持度降序排序

fi=frequent_items[frequent_items["itemsets"].str.contains(",")] # 篩選出多于1個物品的頻繁項集

# 作圖

x=fi["itemsets"]

y=fi["support"]

y_label = ["{:.3f}".format(_y) for _y in y] # 橫坐標標簽

plt.bar(fi["itemsets"],fi["support"], align='center', alpha=0.5) # 作圖

plt.xticks(x, rotation=60) # 設置標簽旋轉角度

# 添加橫坐標

for a, b, label in zip(x, y, y_label):

plt.text(a, b, label, ha='center', va='bottom')

plt.show()

點擊運行，我們就得到以頻繁項集為橫坐標，支持度(出現概率)為縱坐標的柱狀圖：

優缺點

正如上文提到，本方法直接求出的是出現概率最大的物品組合，組合中物品數量2個起，上不封頂。在整體層面的指導意義更大。此外，使用可視化Py控件，可以直接參與不同控件之間的聯動。如下圖所示，增加了日期切片器，數據可以即時變化。

不足的地方主要在于Python作圖的風格與Power BI的整體風格不一致，而且調整難度比較大。而且只能被動聯動，而不能主動聯動。下一篇將介紹PQ的方法，能更好地克服控件法的這些不足。

總結

以上是生活随笔為你收集整理的python关联分析引擎_PowerBI x Python 之关联分析（上）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。