目录
数据初步认识
关联规则算法
算法介绍
python导入库函数来实现
python自定义算法实现
数据初步认识
根据顾客实际购买行为数据（值为1表示购买了该种商品；值为0表示未购买该种商品），分析顾客在网络购物中购买图书、运动鞋、耳机、DVD和果汁五种商品时，是否存在购买行为上的关联。保存至sale.csv文件进行读取如图所示
查看数据相关信息读取csv文件的时候去除第一列（即序号那一列），再将其转换成列表，在spyder里查看数据
读取的文件
转换成列表
每个列名称
查看描述统计量
最后查看摘要统计
关联规则算法
算法介绍
关联分析是发现事物之间关联关系）的分析过程。典型应用——就是购物篮分析(Market Basket Analysis）。关联规则是反映物品与其他物品之间的关联性，常用实体商店或者在线电商的推荐系统：通过对顾客的购买记录数据进行关联规则挖掘，发现顾客群体的购买习惯的内在共性。
早期的关联分析主要用于零售行业的购物行为分析，也称为购物篮分析。之后，扩展到多个领域中。在交易数据、关系数据或其他信息载体中，查看存在于项目集合或对象集合之间的额频繁模式、关联结构。
广泛用于：
购物篮分析：用户购物行为，可以看一下用户在同一次购物中经常买什么
交叉营销：根据相似客户的购买记录，或者用户一次购买中购买的商品，可 以 交叉销售.
产品目录设计：把相关联的产品，经常一起购买的产品，能否放在用一个页面， 同一个目录？甚至实体店中同一个货架中？
聚集和分类等：将商品进行聚集或者分类，进行组合销售
python导入库函数来实现
直接导入apriori库来进行关联规则分析，比较便捷。
将每个商品装入字典
得到最后的关联规则结果如下
python自定义算法实现
使用一个小练习来实现
先定义一个函数，求第一次数据库之后的候选集
再定义存放所有项集的支持度
得到最后的候选集
最后定义实现apriori算法的代码
最后调用函数得出结果
结果如下图所示：
代码和数据集都已经上传至资源，请自行取用😀
