Visualización de artículos frecuentemente comprados juntos

Tengo un conjunto de datos en la siguiente estructura insertada en un archivo CSV:

Banana  Water   Rice
Rice    Water
Bread   Banana  Juice

Cada fila indica una colección de artículos que se compraron juntos. Por ejemplo, la primera fila indica que los artículos Banana, Watery Ricese compraron juntos.

Quiero crear una visualización como la siguiente:

Esto es básicamente un gráfico de cuadrícula, pero necesito alguna herramienta (tal vez Python o R) que pueda leer la estructura de entrada y producir un gráfico como el anterior como salida.

Creo que lo que probablemente quieras es una versión discreta de un mapa de calor. Por ejemplo, ver abajo. Los colores rojos indican las compras más comunes juntas, mientras que las celdas verdes nunca se compran juntas.

En realidad, esto es bastante fácil de armar con Pandas DataFrames y 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')

Para R, puedes usar la biblioteca ArulesViz. Hay buena documentación y en la página 12, hay ejemplos de cómo crear este tipo de visualización.

El código para eso es tan simple como esto:

plot(rules, method="grouped")

Con Wolfram Language en Mathematica .

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

Obtenga recuentos por parejas.

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}}

Obtenga índices para las garrapatas con nombre.

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

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

Parcela con el MatrixPlotuso SparseArray. También podría usar ArrayPlot.

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

Tenga en cuenta que es triangular superior.

Espero que esto ayude.

Puede hacer esto en python con la biblioteca de visualización seaborn (construida sobre 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()

El marco de datos final se dfve así:

y la visualización resultante es: