PyS1m Otter Kit（POK v1.0）
购物篮分析工具
购物篮分析工具（basket.exe）是一款基于关联规则挖掘的购物篮分析工具。通过分析销售数据，您可以发现商品之间的关联关系，并根据支持度、置信度、提升度或出现频率对结果进行排序。该工具还支持展示与商品相关的图片和详细信息。
系统要求
操作系统：Windows 7 及以上版本
处理器：Intel Core i3 及以上
内存：至少 2GB RAM
存储空间：至少 500MB 可用存储空间
下载链接
购物篮分析工具，是由 S1MONE PyS1M 开发团队开发的一款数据分析工具，旨在帮助用户通过关联规则挖掘销售数据中的商品关联关系。使用该工具时，用户需了解并同意以下免责声明：
- 使用风险自担：用户使用本工具所产生的任何结果、分析或决策行为，均由用户自行承担风险。本工具仅提供基于历史数据的分析结果，无法保证未来的销售趋势、关联关系或商业成功。
- 数据准确性和完整性：工具依赖于用户提供的 Excel 数据和商品图片文件夹。用户应确保导入的数据准确、完整，并符合工具要求。任何因数据不完整、格式错误或不匹配导致的分析错误或结果偏差，开发团队不承担任何责任。
- 结果解释：工具的分析结果基于统计学方法，仅能反映历史数据中的关联关系，且这些关联关系不一定在未来保持有效。分析结果应与用户的业务经验和市场实际情况结合使用，开发团队不为用户基于此工具分析结果所做出的商业决策负责。
- 性能和系统问题：使用本工具时，用户可能会遇到性能问题（如大数据集的处理速度较慢）或系统错误（如图片无法显示、数据无法导入等）。这些问题可能由用户系统配置、数据格式、硬件限制等多种因素引起。开发团队不对因此导致的任何直接或间接损失负责。
- 版本更新和支持：工具可能会不定期进行版本更新，但开发团队不承诺提供持续的技术支持或工具更新。用户应根据实际需要选择是否继续使用该工具或更新版本。
- 法律适用：工具为通用分析工具，开发团队不保证其符合任何特定行业、地区或国家的法律法规要求。用户应根据当地法律法规自行决定工具的使用和应用范围。
- 第三方软件依赖：工具依赖于第三方开源库（如 pandas、mlxtend、Pillow 等）。用户应了解这些第三方库的许可证条款，开发团队不对这些库的使用产生的法律问题或潜在风险负责。
- 软件不可修改性：工具以打包的 exe 文件形式提供，用户无法自行修改源代码或调整工具的内部参数。任何尝试修改 exe 文件或未经授权的反向工程行为均被禁止，开发团队不对因此行为导致的任何后果负责。
User Manual
使用说明
STEP 1：启动软件
- 双击 basket.exe
- 程序启动后，会弹出一个启动画面，点击图片后进入主界面。
STEP 2：导入数据
- 点击主界面的“浏览”按钮，选择需要分析的 Excel 文件。
Excel 文件中，至少需要包含 6 个字段，而且名称需要与下面的列表完全一致
- “店铺名称”、
- “款号”（不是款色号，是款号）
- “销售单据号”
- “销售数量”
- “实销金额”
- “吊牌金额”
- 选择包含商品销售数据的 Excel 文件后，文件路径将显示在输入框中。
STEP 3：设置分析参数
选择店铺名称：
- 在主界面“选择店铺名称”的下拉菜单中选择要分析的店铺名称。
- 店铺名称会根据 Excel 数据自动加载。
选择商品图片文件夹：
- 点击“浏览”按钮，选择存放商品图片的文件夹。
- 该文件夹中的图片将用于展示与商品相关的图片。
- 商品图片需要以“款号”作为文件名，目前支持 jpg、jpeg、png 格式的图片
选择排序方式：下拉菜单中有四种排序方式可供选择：
- 支持度：表示商品一起被购买的频率。
- 置信度：表示在购买前件商品时，后件商品也被购买的概率。
- 提升度：表示商品一起购买的可能性是各自独立购买的多少倍。
- 出现频率：表示前件和后件商品在同一订单中出现的次数。
- 根据需要选择适合的排序方式。
STEP 4：查看分析结果
- 点击“开始分析”按钮，程序将根据所选参数进行购物篮分析，并展示结果。
- 结果将显示在新弹出的窗口中，包括支持度、置信度、提升度、出现频率，以及商品图片和详细信息。
STEP 5：排序方式说明
程序提供了四种排序方式，用户可以根据不同需求选择合适的排序方式：
- 支持度：前件和后件商品一起被购买的频率，即这组商品同时出现的概率。
- 置信度：在购买了前件商品的情况下，顾客购买后件商品的比例，表示关联规则的可信度。
- 提升度：前件和后件商品一起购买的概率是它们各自独立购买概率的倍数，越大表示关联性越强。
- 出现频率：统计前件和后件商品在同一销售单据中出现的次数。
点击“查看排序方式说明”按钮，会弹出窗口对这些排序方式进行解释。
f.a.q.
- 请确认您下载的文件是否为 basket.exe，并确保它放置在正确的目录中。
- 如果文件无法运行，请尝试右键点击文件，选择“以管理员身份运行”。
- 确认输入的 Excel 文件中包含必要的数据列，如店铺名称、销售单据号、款号、销售数量、实销金额等。
- 请确保选择了正确的店铺名称和商品图片文件夹。
- 确保商品图片的文件名与 Excel 中的“款号” 相匹配，并放置在您选择的商品图片文件夹中。
- 支持的图片格式包括 .png、.jpg 和 .jpeg。
- 数据不完整或格式不匹配：如果导入的 Excel 文件中缺少必要的数据列（例如，销售单据号、款号、销售数量等），或者格式不正确，分析可能无法正常进行，导致空白或错误的结果。
- 款号格式不一致：款号在 Excel 文件和图片文件夹中的命名必须一致。如果格式不匹配（例如，数字款号在一个地方以字符串格式存储），图片可能不会正确显示。
如果导入的数据集过大（例如包含数十万个销售记录和商品），分析过程可能会变慢，尤其是在较旧的硬件上。此时，处理关联规则和显示结果可能需要较长的时间，甚至导致死机。
- 关联规则结果依赖于支持度阈值：程序使用了最低 1% 的支持度作为阈值。如果关联商品的购买频率较低，某些有价值的商品组合可能不会出现在结果中。这种情况可以通过手动调整支持度阈值（在源代码中进行修改）来优化，但当前 exe 版本不支持自定义阈值。如果希望学习程序的制作方法，请关注 S1MONE 的相关速成课
- 结果的统计解释：购物篮分析是一种基于统计的分析方法，结果反映的是历史数据中的关联关系。这并不意味着这些关联关系在未来也会保持，因此分析结果应结合业务经验和市场趋势来解读。
- 确保商品图片的文件名与 Excel 中的款号匹配，并放置在您选择的商品图片文件夹中。
- 支持的图片格式包括 .png、.jpg 和 .jpeg。
固定的参数设置：
当前版本的 exe 不支持自定义分析参数（如支持度阈值、置信度阈值等），这些参数是预设的。如果需要修改这些参数，您需要使用源代码重新生成 exe 文件
错误信息不全面：在某些错误情况下（如数据导入失败或分析过程中出错），提示信息可能较为简单，未能提供详细的错误原因。对于复杂的错误，可能需要手动检查数据文件或联系开发人员获取支持。