Visualiser les articles fréquemment achetés ensemble

J'ai un jeu de données dans la structure suivante inséré dans un fichier CSV:

Banana  Water   Rice
Rice    Water
Bread   Banana  Juice

Chaque ligne indique une collection d'articles achetés ensemble. Par exemple, la première ligne indique que les articles Banana, Wateret Riceont été achetés ensemble.

Je veux créer une visualisation comme celle-ci:

Il s'agit essentiellement d'un graphique en grille, mais j'ai besoin d'un outil (peut-être Python ou R) qui peut lire la structure d'entrée et produire un graphique comme celui ci-dessus en sortie.

Je pense que ce que vous voulez probablement, c'est une version discrète d'une carte thermique. Par exemple, voir ci-dessous. Les couleurs rouges indiquent les plus couramment achetées ensemble, tandis que les cellules vertes ne sont jamais achetées ensemble.

C'est en fait assez facile à assembler avec Pandas DataFrames et matplotlib.

import numpy as np
from pandas import DataFrame
import matplotlib
matplotlib.use('agg') # Write figure to disk instead of displaying (for Windows Subsystem for Linux)
import matplotlib.pyplot as plt

####
# Get data into a data frame
####
data = [
  ['Banana', 'Water', 'Rice'],
  ['Rice', 'Water'],
  ['Bread', 'Banana', 'Juice'],
]

# Convert the input into a 2D dictionary
freqMap = {}
for line in data:
  for item in line:
    if not item in freqMap:
      freqMap[item] = {}

    for other_item in line:
      if not other_item in freqMap:
        freqMap[other_item] = {}

      freqMap[item][other_item] = freqMap[item].get(other_item, 0) + 1
      freqMap[other_item][item] = freqMap[other_item].get(item, 0) + 1

df = DataFrame(freqMap).T.fillna(0)
print (df)

#####
# Create the plot
#####
plt.pcolormesh(df, edgecolors='black')
plt.yticks(np.arange(0.5, len(df.index), 1), df.index)
plt.xticks(np.arange(0.5, len(df.columns), 1), df.columns)
plt.savefig('plot.png')

Pour R, vous pouvez utiliser la bibliothèque ArulesViz. Il y a une belle documentation et à la page 12, il y a un exemple comment créer ce type de visualisation.

Le code pour cela est aussi simple que cela:

plot(rules, method="grouped")

Avec Wolfram Language dans Mathematica .

data = {{"Banana", "Water", "Rice"},
        {"Rice", "Water"},
        {"Bread", "Banana", "Juice"}};

Obtenez des comptes par paire.

counts = Sort /@ Flatten[Subsets[#, {2}] & /@ data, 1] // Tally

{{{"Banana", "Water"}, 1}, {{"Banana", "Rice"}, 1}, 
 {{"Rice", "Water"}, 2}, {{"Banana", "Bread"}, 1}, 
 {{"Bread", "Juice"}, 1}, {{"Banana", "Juice"}, 1}}

Obtenez des indices pour les tiques nommées.

indices = Thread[# -> Range[Length@#]] &@Sort@DeleteDuplicates@Flatten[data]

{"Banana" -> 1, "Bread" -> 2, "Juice" -> 3, "Rice" -> 4, "Water" -> 5}

Tracer avec l' MatrixPlotaide SparseArray. Pourrait également utiliser ArrayPlot.

MatrixPlot[
 SparseArray[Rule @@@ counts /. indices, ConstantArray[Length@indices, 2]],
 FrameTicks -> With[{t = {#2, #1} & @@@ indices}, {{t, None}, {t, None}}],
 PlotLegends -> Automatic
 ]

Notez qu'il est triangulaire supérieur.

J'espère que cela t'aides.

Vous pouvez le faire en python avec la bibliothèque de visualisation seaborn (construite au-dessus de matplotlib).

data = [
  ['Banana', 'Water', 'Rice'],
  ['Rice', 'Water'],
  ['Bread', 'Banana', 'Juice'],
]

# Pull out combinations
from itertools import combinations
data_pairs = []
for d in data:
    data_pairs += [list(sorted(x)) + [1] for x in combinations(d, 2)]
    # Add reverse as well (this will mirror the heatmap)
    data_pairs += [list(sorted(x))[::-1] + [1] for x in combinations(d, 2)]

# Shape into dataframe
import pandas as pd
df = pd.DataFrame(data_pairs)
df_zeros = pd.DataFrame([list(x) + [0] for x in combinations(df[[0, 1]].values.flatten(), 2)])
df = pd.concat((df, df_zeros))
df = df.groupby([0, 1])[2].sum().reset_index().pivot(0, 1, 2).fillna(0)

import seaborn as sns
from matplotlib.pyplot import plt
sns.heatmap(df, cmap='YlGnBu')
plt.show()

La trame de données finale dfressemble à ceci:

et la visualisation résultante est: