python关联规则学习：FP-Growth算法对药品进行“菜篮子”分析

产品可以根据销售者进行分类

在Evolution上，有一些顶级类别（“药品”，“数字商品”，“欺诈相关”等）细分为特定于产品的页面。每个页面包含不同供应商的几个列表。

最近我们被客户要求撰写关于关联规则的研究报告，包括一些图形和统计输出。

视频：R语言关联规则模型(Apriori算法)挖掘杂货店的交易数据与交互可视化

，时长07:03

我根据供应商同现关系在产品之间建立了一个图表，即每个节点对应于一种产品，其边权重由同时出售两种事件产品的供应商数量定义。因此，举例来说，如果有3个供应商同时出售甲斯卡林和4-AcO-DMT，那么我的图在甲斯卡林和4-AcO-DMT节点之间的权重为3。我使用 基于随机块模型的分层边缘 实现来生成以下Evolution产品网络的可视化：

代码片段

 
importimport  pandaspandas  asas  pdpd
 importimport  graph_toolgraph_t  as gt
import graph_tool.draw
import