Question

我有如下餐厅销售数据，并想找到彼此相关的餐厅。我正在寻找一种基于彼此相关性的聚类。其中“相关性”是指“匹配度最高/相近的餐厅，其售出单位，收入和人流量的总和”。（注意：这是corelatedItems的后续问题）

+----------+------------+---------+----------+
| Location | Units Sold | Revenue | Footfall |
+----------+------------+---------+----------+
| Loc - 01 |        100 | 1,150   |       85 |
| Loc - 02 |        100 | 1,250   |       60 |
| Loc - 03 |         90 | 990     |       90 |
| Loc - 04 |        120 | 1,200   |       98 |
| Loc - 05 |        115 | 1,035   |       87 |
| Loc - 06 |         89 | 1,157   |       74 |
| Loc - 07 |        110 | 1,265   |       80 |
+----------+------------+---------+----------+

Answer 1

首先，将数据框的索引设置为“位置”列，以方便索引

df1 = df1.set_index('Location')

接下来，生成餐厅的所有组合以进行比较：

import itertools
pairs = list(itertools.combinations(df1.index.values, 2))

接下来，定义一个比较函数。让我们使用上一篇文章中使用的那个

import numpy as np
def compare_function(row1, row2):
    return np.sqrt((row1['Units Sold']-row2['Units Sold'])**2 + 
           (row1['Revenue']- row2['Revenue'])**2 + 
           (row1['Footfall']- row2.loc[0, 'Footfall'])**2)

接下来，遍历所有对并获得比较函数的结果：

results = [(row1, row2, compare_function(df1.loc[row1], df1.loc[row2]))
      for row1, row2 in pairs]

您现在有了所有对餐厅及其彼此之间距离的列表。

哪个聚类距离度量可找到最相关的项目组

1 个答案: