欢迎访问上邦|专注企业 AI 数字化转型落地 · 咨询热线 400-667-6771
免费咨询
首页 / 资讯中心 / 技术干货 / 文章详情
技术干货

零售购物篮分析与智能选品:用 Apriori 挖掘关联规则

上邦 AI 工程团队2026-09-30阅读 约 7 分钟
把啤酒与尿布的经验变成可计算的方法,正是购物篮分析。本文用 Python 的 mlxtend 库演示 Apriori 算法:从交易流水做事务编码、挖掘频繁项集、生成支持度、置信度、提升度三指标的规则,并封装成购物车交叉推荐,给出可直接运行的代码示例。

从经验到算法

哪些商品常被一起买是零售选品、捆绑与陈列的核心问题。关联规则挖掘把这种经验量化:支持度衡量组合出现的频率,置信度衡量买了 A 之后买 B 的概率,提升度衡量该组合强于随机的程度(大于 1 才值得关注)。1993 年 Agrawal 等人提出的 Apriori 是这一领域的奠基算法。

第一步:把流水变成事务

Apriori 需要一篮子一行的布尔矩阵。先用 pandas 把订单明细按单聚合:
import pandas as pd
orders = pd.DataFrame({
    'order_id':[1,1,1,2,2,3,3],
    'item':['milk','bread','butter','bread','eggs','milk','eggs']})
transactions = orders.groupby('order_id')['item'].apply(list).tolist()

第二步:TransactionEncoder 编码

from mlxtend.preprocessing import TransactionEncoder
te = TransactionEncoder()
ary = te.fit(transactions).transform(transactions)
df = pd.DataFrame(ary, columns=te.columns_)

第三步:Apriori 挖频繁项集与规则

from mlxtend.frequent_patterns import apriori, association_rules
freq = apriori(df, min_support=0.3, use_colnames=True)
rules = association_rules(freq, metric='lift', min_threshold=1.0)
print(rules[['antecedents','consequents','support','confidence','lift']])
min_support 调高可提速但会漏掉长尾组合;商品目录很大时优先用 FP-Growth 替代 Apriori。

第四步:封装成购物车推荐

把规则加载进内存,给定当前购物车,返回未购买的高提升度商品:
def recommend(cart, rules, top_n=3):
    cart_set = set(cart)
    recs = []
    for _, row in rules.iterrows():
        if (set(row['antecedents']).issubset(cart_set)
                and not set(row['consequents']).issubset(cart_set)
                and row['lift'] > 1.0):
            recs.append((list(row['consequents'])[0], row['lift']))
    return sorted(recs, key=lambda x: -x[1])[:top_n]

落地提醒

高提升度但支持度极低的规则可能只是噪声,需同时看 support;
季节性与促销会扭曲共现,规则应定期用最新流水重算;
推荐结果要可解释,便于运营判断是否上捆绑与陈列。

参考来源

mlxtend 关联规则挖掘(apriori 与 association_rules)官方文档 - mlxtend;Market Basket Analysis 实践(TransactionEncoder 与规则生成) - Microsoft Learn;Mining Association Rules between Sets of Items in Large Databases - Agrawal 等,VLDB 1993。
相关标签:购物篮分析Apriori关联规则智能选品零售AI

免费咨询上邦技术顾问

一对一上邦方案顾问对接 · 免费定制企业专属 AI 数字化转型方案

立即获取上邦方案