家庭购买花店植物分析.docx

《家庭购买花店植物分析.docx》由会员分享，可在线阅读，更多相关《家庭购买花店植物分析.docx（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、家庭购买花店植物分析摘要:随着我国花卉业的迅猛开展，加盟连锁各种条件政策的成熟及颁发，全国各地花市、 花店如雨后春笋般地涌现出来。人民群众生活水平的提高，鲜花已渐渐走入寻常百姓家, 鲜花消费也越来越得到普遍市民的认可，花艺开展前景看好。无论是刚开业不久的中小 花店，还是经营了十几年的花店，在开展的过程中总会出现一些“问号”。一家花店开得成功与否，市场定位是很重要的。定位包括几个层次，一是服务对象的定 位，二是产品的定位，三是价格的定位。而花店的选择和与花店所在城市的类型和所在 的地理位置关系很大，大城市的花店更倾向于专业化，因为未来这些城市的很多服务市 场都会被细分，一个花店可能只会专注一个领

2、域，如婚礼，开业庆典等。而小城市的花 店比拟适于多元化经营。更具体而言，学校周边，居民小区，超市，写字楼周边等不同 的地方开花店，主要服务对象和经营模式也有所不同。花店产品和价格的定位也不应该 只以简单的高，低，中端来划分，即便是定位高端的花店，也要在细分出高，中，低来。使用Apriori关联规那么算法实现花卉种类分析，发现花店不同花卉之间的关联关系, 并根据花卉种类之间的关联规那么制定销售策略和进货策略。关键字：花卉销售，数据预处理，Apriori关联规那么，FP-Tree算法 分析方法与过程:花卉植物分析是通过发现顾客在一次购买行为中购买不同花卉之间的关联，研究顾 客的购买行为，从而辅助花

3、卉企业制定营销策略的一种数据分析方法。通过对花卉市场 销售数据进行分析，得到顾客的购买行为特征，并根据发现的规律而采取有效的行动, 制定家庭花卉植物摆放、花卉定价、新花卉采购计划，对增加销量并获取最大利润有重 要意义。2目标构建零售商品的Apriori关联规那么模型，分析花卉之间的关联性。根据模型结果给出销 售策略。3分析方法花卉品种购买规那么挖掘的主要步骤如下：(1)对原始数据进行数据探索性分析，分析花卉的热销情况与商品结构。对原始数据进行数据预处理，转换数据形式，使之符合Apriori关联规那么算法要求。(3)在步骤2得到的建模数据基础上，采用Apriori关联规那么算法调整模型输入参数，

4、 完成花卉品种关联性分析。(4)结合实际业务，对模型结果进行分析，根据分析结果给出进货和摆放建议，最后输出关联规那么结果。一、数据探索性分析1 .数据属性查看数据特征以及对花卉热销情况和商品结构进行分析，共收集了 411个数据，它包括三个属性：id, flower, types.属性的具体说明如下：表名属性名称属性说明FlowerId花卉所属的编号Flower具体的花卉名称FlowerTypesflower具体的花卉名称types花卉种类2 .数据特征探索数据的特征，查看每列属性，最大值，最小值是了解数据的第一步。查看数据销售排行前10的花卉销量及占比花卉名称销量销量占比花卉名称销倍销量占比龙

5、须海棠392.49%山茶332. 11%发财树372.36%橡皮树311.97%观音莲362. 29%牵牛花311.97%芦荟352.23%草莓281.78%富贵树342. 16%四季橘281.78%花卉的销量T0P10花卉名称销量销量占比花卉名称销售销量占比龙须海棠392.49%山茶332. 11%发财树372.36%橡皮树311.97%观音莲362. 29%牵牛花311.97%芦荟352. 23%草莓281. 78%富贵树342. 16%四季橘281.78%通过分析热销花卉的结果可知，龙须海棠的销量最高，为39件，占比2.49%；发财树，观音莲，芦荟，富贵竹分别占比2.36%, 2. 29

6、%, 2. 23%, 2. 16%o2.分析花卉结构对每一类热销花卉进行分析，有利于商家制定花卉的摆放位置和进货数量，假设是花卉 为热销，商家可以把此类花卉摆在花卉市场的显眼位置，以便顾客进行购买，以到达热销的地步。原始数据中的花卉本身已经过归处理，但是局部能花卉还存在一定的重叠，故需要再次 对其进行归类处理，分析归类后花卉种类的销量及占比后，绘制饼图来显示各类花卉的 销量占比情况。每类花卉销量占比观花类花卉观叶类花卉小乔木16.16%仙人掌类5. 79%百合科藤木植物番杏科观果植物多肉类各类别商品的销量及占比:花卉类别销量销量占比花卉类别销量销量占比观叶类花卉34722. 14%多肉类155

7、9. 89%观花类花卉29819. 07%番杏类966. 12%小乔木26817. 10%百合科875.55%藤木植物19012. 12%仙人掌类533. 38%观果植物16410. 46%查看销量第一的观叶类花卉的内部结构，并绘制饼图显示其销量占比情况。根据分析各种花卉的销量及其占比情况可知，观叶类花卉，观花类花卉，小乔木的 销量相差不大，占总销量的50%左右。进一步查看销量第一的观花类花卉的内部结构，并绘制饼图显示其销量占比情况， 如下图：花卉类别销量销量占比花卉类别销量销量占比长寿花258. 39%玫瑰155.03%茉莉258. 39%芍药155. 03%白掌248. 05%百合155.

8、 03%杜鹃217.05%玻璃翠155.03%中国兰217.05%风信子155.03%四季海棠186. 04%荷花155. 03%水仙144. 70%扶桑134. 36%马蹄莲144. 70%山茶334. 36%通过分析观花类花卉内部花卉的销量及占比情况可知，长寿花，茉莉，白掌，杜鹃,中国兰，四季海棠在观花类花卉中占比超过50%,这就说明花卉市场就需要及时注 意补货与进货。二.数据预处理前面对数据探索分析发现数据完整，并不存在缺失值。建模之前需要转变数据的格 式，才能使用Apriori函数进行关联分析。这里对数据进行转换。观花类花卉内部各所的销量占比白掌8.39%5. 03%风信子三.模型构建

9、 目标是探索花卉之间的关联关系，因此采用关联规那么算法，以挖掘它们之间的关联关系。 关联规那么算法主要用于寻找数据中项集之间的关联关系，它揭示了数据项间的未知关系。 基于样本的统计规律，进行关联规那么分析。根据所分析的关联关系，可通过一个属性的 信息来推断另一个属性的信息。当置信度到达某一阈值时，就可以认为规那么成立。Apriori 算法是常用的关联规那么算法之一，也是最为经典的分析频繁项集的算法，它是第一次实现在大数据集上可行的关联规那么提取的算法。除此之外，还有FP-Tree 算法，Eclat算法和灰色关联算法等。主要使用Apr iori算法进行分析。1.1.花卉市场关联规那么模型构建设置

10、建模参数最小支持度、最小置信度，输入建模样本数据 采用Apriori关联规那么算法对建模的样本数据进行分析，以模型参数设置的最小支持度、最小置信度以及分析目标作为条件，如果所有的规那么都不满足条件，那么需要重新调整模 型参数，否那么输出关联规那么结果。目前，如何设置最小支持度与最小置信度并没有统一的标准。大局部都是根据业务经验 设置初始值，然后经过屡次调整，获取与业务相符的关联规那么结果。本案例经过屡次调 整并结合实际业务分析，选取模型的输入参数为：最小支持度0.02、最小置信度0. 35蟒燃懒懦:小乳却 丁松傲骡r.物怫l 1瑞谶舄酒；汝扪，陶髓:楣,由上鞍町uZ_adTa_TTednnow

11、erZusupnonD: anacondapython. exe D:/数据可视化/ch2/03_Apriori. py 数据转换结果的前5个元素：绿萝，龟背竹，吊篮，虎皮兰长寿花，平安树，发财树竹芋茉莉，累法师，桃蛋，乙女心观音莲，桃蛋，平安树，平0. 454545 lift值为:8. 8961040. 47619 lift值为：8. 896104frozenset （彩虹菊） frozenset （中国兰）支持度 0. 024331 置信度:frozenset （中国兰） frozenset （彩虹菊）支持度 0. 024331 贵信度:frozenset （芍药） - frozenset

12、 （玉音） frozenset （玉音） frozenset （芍药） frozenset （玫瑰） frozenset （玉音） frozenset （王音） frozenset （玫瑰） frozenset （芍药） - frozenset （含笑） frozenset （玫瑰） frozenset （含笑） frozenset （桂花） - frozenset （含笑）支持度 支持度 支持度 支持度 支持度 支持度 支持度0. 0218980. 0218980. 0218980. 0218980. 0218980. 0218980. 021898置信度: 置信度: 置信度: 置信度: 置

13、信度: 置信度: 置信度:0. 60. 60. 60. 60. 60. 6lift值为: lift值为: lift值为: lift值为:lift值为： lift值为：16. 4416. 4416. 4416. 448. 8071438. 8071430. 692308 lift值为:10.162088frozenset（生石花） frozenset（桂花）支持度 0. 021898 置信度：0. 692308 lift值为：21. 887574frozenset （桂花） 一 frozenset （宝绿） 一 frozenset （宝绿）一frozenset （桂花） 一 frozenset

14、（宝绿） 一 frozenset （宝绿）一frozenset（生石花）支持度 0. 021898 置信度：0. 692308 lift值为：21.887574frozenset （，龙须海棠,）支持度 0. 029197 置信度:0. 545455 lift值为：5. 748252frozenset （ f 豆瓣绿）支持度0. 021898匿信度:0. 409091 lift值为：6. 466783frozenset （宝绿） frozenset （，彩虹菊） frozenset （彩虹菊） frozenset （宝绿）支持度 0.043；96 置信度：0. 818182 lift值为：15

15、.285124支持度0.043796警信度:0. 818182 lift值为：15. 285124frozenset （竹芋） frozenset（茉莉）支持度 0. 026764 置信度：0. 423077 lift值为：6. 955385 frozenset（茉莉） - frozenset（竹芋）支持度 0. 026764 贵信度：0. 44 lift值为：6. 955385 frozenset （白掌） frozenset （平安树）支持度 0. 026764 置信度：0. 458333 lift值为：7. 245192 frozenset平安树） frozenset（V 3*）支持度

16、0. 026764 署信度：0. 423077 lift值为：7. 245192 根据输出结果，对其中4条进行解释分析如下:frozenset （黑法师） frozenset（发财树） frozenset （牵牛花） - frozenset金银花） frozenset （金银花） frozenset （牵牛花） frozenset （金银花） frozenset （仙人塞） frozenset （仙人摹） frozenset （金银花）支持度 支持度 支持度 支持度 支持度0. 029197置信度:0. 029197置信度:0. 029197置信度:0. 03163国信度：0. 03163置信

17、度：frozenset （平安树） frozenset （茉莉）支持度 0. 038929 置信度:frozenset （茉莉） frozenset （平安树）支持度 0. 038929 置信度：0. 48 lift值为:5. 6365710. 387097 lift值为：5. 8924730. 444444 lift值为:5. 8924730. 481481 lift值为:7. 6111110.5 lift值为：7.6111110. 615385 lift值为：10.1169230. 64 lift值为:10.116923彩虹菊二中国兰支持度约为2.24%,置信度约为45.45虬 说明同时购

18、买彩 虹菊、中国兰这2种商品的概率达45.45%,而这种情况发生的可能性约为2. 24虬芍药二玉替支持度最大约为2.1%,置信度约为16.44%。说明同时购买其他蔬菜和全脂牛奶这两种商品的概率达16. 44%,蔬菜和全脂牛奶这两种商品的概率达16. 44%,而这种情况发生的可能性约为2. l%o桂花二生石花支持度约为2.K,桂花二生石花支持度约为2.K,置信度约为21. 88%。说明同时购买根茎类蔬菜和全脂牛奶这2种商品的概率达21. 88%,蔬菜和全脂牛奶这2种商品的概率达21. 88%,而这种情况发生的可能性约为2. l%o平安树二白掌支持度约为2.6%,平安树二白掌支持度约为2.6%,置

19、信度约为41.31%。说明同时购买根茎类蔬菜和其他蔬菜这两种商品的概率达41. 31%,蔬菜和其他蔬菜这两种商品的概率达41. 31%,而这种情况发生的可能性约为2. 6%o由上分析可知，顾客购买彩虹菊，中国兰的时候会同时购买平安树，其置信度最大到达45. 45%O因此，顾客同时彩虹菊，中国兰和平安树的概率较高。对于模型结果，从消费者角度进行分析：现代生活中，大多数购物者购买的花卉大局部 是观花类花卉，随着生活质量的提高和审美意识的增加，彩虹菊，中国兰和平安树的。同时购买的概率较高，符合人们的现代生活家庭审美。1.2模型应用模型结果说明：顾客购买其他花卉的时候会同时购买中国兰。因此，商场应该根

20、据实际 情况将中国兰多进货或是放在花卉市场显眼的位置，以方便顾客拿取。顾客同时购买彩 虹菊，平安树，发财树，玉替，芍药概率较高，因此商场可以考虑捆绑销售，或者适当 调整商场布置，将这些花卉的距离尽量拉近，从而提升的销售数量。三.总结主要结合家庭购买花店花卉分析的工程，重点介绍了关联规那么算法中的Apriori算 法在家庭购买花店花卉分析的应用。在应用的过程中详细地分析了花卉的现状与问题同 时给出了市场花卉零售数据，分析了花卉的热销程度。最后通过Aprior算相应模型, 并根据模型结果制定销售策略。四.参考文献1张良均，谭立云，刘名军，江建明，Python数据分析与数据挖掘实战机械工业出版社,219233页。1佚名,花卉品种分析论文，2021-01-24,夸克 2Yaolei200706,植物花卉管理系统-毕业设计，2010-05-16, CSDN