前几天不是用python写了个购物篮分析嘛，这里说说结果。
上一篇参考：使用Python mlxtend 实现购物篮分析
先说说结果，上一次本来打算跑2019年的数据，但是，发现数据量太大，电脑跑的卡，我就选取了7月、8月的数据。
然后的出来的结论呢？
我做了两个，一个单品的，一个系列的，因为我们都是化妆品，最后得出的结论其实都是我们有共识的，大家都知道这些商品组合卖，卖得好；而系列的结论还是有些参考价值的，发现男士产品的关联购买居然很高，这个后续会和业务部门一起研究看看。
数据是出来了，我们一方面是了解用户的购物偏好，另一方面也要做些调整，比如组合商品销售，或者会吸引更多的用户。
接着说说这个需求的来源好了，上一篇好像也没有说。
主要是领导和客户服务部那边，想要看看这个数据，想知道我们当前哪些商品的连带购买率最高，这里要考虑的是：
- 我们认知或者认为用户应该组合购买的商品是否真的组合购买了
2.用户组合购买的用户喜欢的到底是哪些？
客户服务部他们主要是给客服培训，想有一些数据支持，在和用户沟通的时候，推荐他们一些商品，他们后面是不是还想上个推荐系统？？
这一版数据出来后，除了系列的有几点可以再验证下看看，其他的没有什么特点，也许是数据量太小的问题。
恩，后面把代码部署到服务器上跑，我这小电脑是扛不住了。
在化妆品行业，这个关联分析是否有意义？？
这个问题我要思考下。
