In [1]:
from apyori import apriori
O algoritmo apriori do pacote precisa que os dados estejam no formato de lista de listas. Considere o exemplo abaixo como template:
8.2 Um exemplo simples¶
In [2]:
records = [["leite","pao","manteiga","açucar"],
["leite","pao","manteiga"],
["leite","pao","coca","açucar"]]
association_rules = apriori(records, min_support=0.0001, min_confidence=0.0, min_lift=0, min_length=1)
association_results = list(association_rules)
print(association_results[0])
RelationRecord(items=frozenset({'açucar'}), support=0.6666666666666666, ordered_statistics=[OrderedStatistic(items_base=frozenset(), items_add=frozenset({'açucar'}), confidence=0.6666666666666666, lift=1.0)])
8.3 Importando um banco de dados¶
Usando o banco de dados store_data.csv, em que cada linha contém os itens comprados em uma loja na Frrança:
In [3]:
import pandas as pd
dt = pd.read_csv(r"G:\Meu Drive\Arquivos\UFPR\Disciplinas\2 - Intro Mineração de Dados\Python\Datasets\store_data.csv", header = None)
dt.head()
Out[3]:
| 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | shrimp | almonds | avocado | vegetables mix | green grapes | whole weat flour | yams | cottage cheese | energy drink | tomato juice | low fat yogurt | green tea | honey | salad | mineral water | salmon | antioxydant juice | frozen smoothie | spinach | olive oil |
| 1 | burgers | meatballs | eggs | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 2 | chutney | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 3 | turkey | avocado | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 4 | mineral water | milk | energy bar | whole wheat rice | green tea | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
8.4 Aplicando o algoritmo¶
Temos que criar uma lista de listas com os itens.
In [4]:
vv_itens = []
for linha in range(0, dt.shape[0]):
vv_itens.append(dt.iloc[linha].dropna().values)
Aplicando o algoritmo, com os parâmetros:
min_support: suporte mínimo para as regras.
min_confidence: confiança mínima para as regras.
min_lift: lift mínimo para as regras.
min_length: número mínimo de itens que as regras devem ter
In [5]:
association_rules = apriori(vv_itens, min_support = 0.0045, min_confidence = 0.2, min_lift=3, min_length = 2)
# Transformando os resultados em uma lista, para facilitar a visualização
resultados = list(association_rules)
O resultado é uma lista, sendo que cada elemento possui informações a respoeito de uma regra. Os dados da lista são também listas. O primeiro elemento é um frozenset com os produtos da regra (antecedente e consequente), podemos criar uma lista para desempacotar os valores:
O segundo elemento da lista interna guarda o valor de suporte da regra:
In [6]:
regra = 0
print("Suporte :", resultados[regra][1])
Suporte : 0.004532728969470737
O terceiro item da lista interna contém mais uma lista com um elemento do tipo OrderedStatistic, sendo que este também é tratado como uma lista..o primeiro e segundo elementos dessa lista são cada um as listas dos elementos precedentes e antededentes da regra. Podemos extrai-los da seguinte forma:
In [7]:
regra = 0
ant = [x for x in resultados[regra][2][0][0]]
cons = [x for x in resultados[regra][2][0][1]]
print(ant, "->", cons)
['light cream'] -> ['chicken']
O terceiro e quarto elementos desta lista armazenam a confiança e o lift:
In [8]:
print("Confiança : ",resultados[regra][2][0][2])
print("Lift : ",resultados[regra][2][0][3])
Confiança : 0.29059829059829057 Lift : 4.84395061728395
Juntando tudo, podemos imprimir as informações para todas as regras retornadas pelo algoritmo:
In [9]:
for i in range(0, len(resultados)):
ant = [x for x in resultados[i][2][0][0]]
cons = [x for x in resultados[i][2][0][1]]
print(ant, "->", cons)
print("Suporte :", resultados[i][1])
print("Confiança : ",resultados[i][2][0][2])
print("Lift : ",resultados[i][2][0][3])
print("====================================")
['light cream'] -> ['chicken'] Suporte : 0.004532728969470737 Confiança : 0.29059829059829057 Lift : 4.84395061728395 ==================================== ['mushroom cream sauce'] -> ['escalope'] Suporte : 0.005732568990801226 Confiança : 0.3006993006993007 Lift : 3.790832696715049 ==================================== ['pasta'] -> ['escalope'] Suporte : 0.005865884548726837 Confiança : 0.3728813559322034 Lift : 4.700811850163794 ==================================== ['herb & pepper'] -> ['ground beef'] Suporte : 0.015997866951073192 Confiança : 0.3234501347708895 Lift : 3.2919938411349285 ==================================== ['tomato sauce'] -> ['ground beef'] Suporte : 0.005332622317024397 Confiança : 0.3773584905660377 Lift : 3.840659481324083 ==================================== ['whole wheat pasta'] -> ['olive oil'] Suporte : 0.007998933475536596 Confiança : 0.2714932126696833 Lift : 4.122410097642296 ==================================== ['pasta'] -> ['shrimp'] Suporte : 0.005065991201173177 Confiança : 0.3220338983050847 Lift : 4.506672147735896 ==================================== ['chocolate', 'frozen vegetables'] -> ['shrimp'] Suporte : 0.005332622317024397 Confiança : 0.23255813953488375 Lift : 3.2545123221103784 ==================================== ['ground beef', 'cooking oil'] -> ['spaghetti'] Suporte : 0.004799360085321957 Confiança : 0.5714285714285714 Lift : 3.2819951870487856 ==================================== ['spaghetti', 'frozen vegetables'] -> ['ground beef'] Suporte : 0.008665511265164644 Confiança : 0.31100478468899523 Lift : 3.165328208890303 ==================================== ['milk', 'frozen vegetables'] -> ['olive oil'] Suporte : 0.004799360085321957 Confiança : 0.20338983050847456 Lift : 3.088314005352364 ==================================== ['mineral water', 'shrimp'] -> ['frozen vegetables'] Suporte : 0.007199040127982935 Confiança : 0.30508474576271183 Lift : 3.200616332819722 ==================================== ['spaghetti', 'frozen vegetables'] -> ['olive oil'] Suporte : 0.005732568990801226 Confiança : 0.20574162679425836 Lift : 3.1240241752707125 ==================================== ['spaghetti', 'frozen vegetables'] -> ['shrimp'] Suporte : 0.005999200106652446 Confiança : 0.21531100478468898 Lift : 3.0131489680782684 ==================================== ['spaghetti', 'frozen vegetables'] -> ['tomatoes'] Suporte : 0.006665777896280496 Confiança : 0.23923444976076558 Lift : 3.4980460188216425 ==================================== ['spaghetti', 'grated cheese'] -> ['ground beef'] Suporte : 0.005332622317024397 Confiança : 0.3225806451612903 Lift : 3.283144395325426 ==================================== ['mineral water', 'herb & pepper'] -> ['ground beef'] Suporte : 0.006665777896280496 Confiança : 0.39062500000000006 Lift : 3.975682666214383 ==================================== ['spaghetti', 'herb & pepper'] -> ['ground beef'] Suporte : 0.006399146780429276 Confiança : 0.3934426229508197 Lift : 4.004359721511667 ==================================== ['ground beef', 'milk'] -> ['olive oil'] Suporte : 0.004932675643247567 Confiança : 0.22424242424242427 Lift : 3.40494417862839 ==================================== ['ground beef', 'shrimp'] -> ['spaghetti'] Suporte : 0.005999200106652446 Confiança : 0.5232558139534884 Lift : 3.005315360233627 ==================================== ['spaghetti', 'milk'] -> ['olive oil'] Suporte : 0.007199040127982935 Confiança : 0.20300751879699247 Lift : 3.0825089038385434 ==================================== ['mineral water', 'soup'] -> ['olive oil'] Suporte : 0.005199306759098787 Confiança : 0.22543352601156072 Lift : 3.4230301186492245 ==================================== ['spaghetti', 'pancakes'] -> ['olive oil'] Suporte : 0.005065991201173177 Confiança : 0.20105820105820105 Lift : 3.0529100529100526 ==================================== ['mineral water', 'spaghetti', 'milk'] -> ['frozen vegetables'] Suporte : 0.004532728969470737 Confiança : 0.28813559322033894 Lift : 3.0228043143297376 ====================================
Exercícios
- Considere o conjunto de dados
MateriaisConstrucao.xlsx, que mantém um registro da quantidade de itens que foram comprados em uma loja de materiais de construção. Será que existem alguns itens que estão relacionados com outros, quando da compra pelos clientes? Use regras de associação para responder.