Wizualizacja przedmiotów często kupowanych razem

Mam zestaw danych w następującej strukturze wstawiony do pliku CSV:

Banana  Water   Rice
Rice    Water
Bread   Banana  Juice

Każdy wiersz wskazuje kolekcję przedmiotów, które zostały zakupione razem. Na przykład, pierwszy wiersz oznacza, że przedmioty Banana, Wateri Ricezostały zakupione razem.

Chcę utworzyć wizualizację, jak poniżej:

Jest to w zasadzie wykres siatki, ale potrzebuję jakiegoś narzędzia (może Python lub R), które może odczytać strukturę wejściową i wygenerować taki wykres jak powyższy jako wynik.

Myślę, że prawdopodobnie chcesz dyskretnej wersji mapy cieplnej. Na przykład patrz poniżej. Czerwone kolory wskazują najczęściej kupowane razem, podczas gdy zielone komórki nigdy nie są kupowane razem.

W rzeczywistości jest to dość łatwe do zestawienia z Pandas DataFrames i 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')

Dla R, można użyć biblioteki ArulesViz. Jest ładna dokumentacja, a na stronie 12 znajduje się przykład tworzenia tego rodzaju wizualizacji.

Kod tego jest tak prosty:

plot(rules, method="grouped")

Z Wolfram Language in Mathematica .

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

Uzyskaj liczbę par.

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}}

Uzyskaj indeksy dla nazwanych kleszczy.

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

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

Rysuj za MatrixPlotpomocą SparseArray. Przydałby się również ArrayPlot.

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

Pamiętaj, że jest on trójkątny.

Mam nadzieję że to pomoże.

Możesz to zrobić w Pythonie z biblioteką wizualizacji dna morskiego (zbudowaną na 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()

Ostateczna ramka danych dfwygląda następująco:

a wynikowa wizualizacja to: