Python实战：用GSP算法挖掘电商用户购买序列中的隐藏规律（附完整代码）

Python实战：用GSP算法挖掘电商用户购买序列中的隐藏规律（附完整代码）

电商平台每天产生海量交易数据，如何从这些看似杂乱无章的购买记录中发现有价值的规律？想象一下，当用户购买手机后，接下来有65%的概率会在7天内购买手机壳；购买婴儿奶粉的客户中，42%会在下个月购买尿不湿。这类规律对精准营销和库存管理具有重大意义。本文将带你用Python实现经典的GSP算法，从原始订单数据中挖掘这类隐藏的购买序列规律。

1. 电商序列模式挖掘的核心价值

在电商数据分析中，我们常遇到这样的场景：用户A的购买记录是[手机→钢化膜→手机壳]，用户B的记录是[充电宝→数据线→耳机]，这些按时间排列的购买行为构成了购买序列。序列模式挖掘就是要找出频繁出现的子序列模式。

传统关联规则挖掘（如Apriori）只能发现"购物篮"中的共现商品，而GSP算法能捕捉时间先后关系。这带来三个独特优势：

1. 预测性推荐：不仅知道用户买了什么，还知道接下来可能买什么
2. 生命周期营销：识别用户购买路径，在关键节点进行干预
3. 库存优化：预判商品需求波动，特别是关联性强的组合商品

实际案例：某跨境电商应用GSP算法后，发现"登山鞋→冲锋衣→登山杖"的强关联序列，针对购买登山鞋的用户定向推送冲锋衣，转化率提升37%。

2. GSP算法原理解析

GSP(Generalized Sequential Pattern)算法是序列模式挖掘的经典方法，其核心思想是逐层搜索和剪枝优化。与Apriori算法类似，但增加了时间维度处理。

2.1 关键概念说明

• 序列(Sequence)：有序的项目列表，如<[a,b], [c]>表示先同时购买a和b，再购买c
• 支持度(Support)：包含该序列的客户比例
• 最小支持度(min_sup)：判断序列是否频繁的阈值

2.2 算法执行流程

def gsp_algorithm(database, min_sup):
    # 扫描数据库找出频繁1项集
    L1 = find_frequent_1_sequences(database, min_sup) 
    k = 2
    while True:
        # 生成候选k项序列
        Ck = generate_candidates(Lk_1, k)  
        # 计算候选序列支持度
        Lk = count_support(Ck, database, min_sup)
        if not Lk:
            break
        Lk_1 = Lk
        k += 1
    return all_frequent_sequences

2.3 候选生成与剪枝策略

GSP通过两种操作生成候选序列：

1. 连接(Join)：将两个(k-1)序列合并为k序列

   • 序列<[1],[2]>和<[2],[3]>可连接为<[1],[2],[3]>

2. 剪枝(Prune)：删除支持度不足的候选

   • 如果<[1],[3]>不频繁，则<[1],[3],[4]>必然不频繁

3. Python完整实现与电商数据实战

我们使用一个模拟的电商数据集演示完整流程。数据集包含1000条用户购买序列，商品用字母表示。

3.1 数据准备与预处理

import pandas as pd
from collections import defaultdict

#