Python中将超市交易数据按交易号分组为索引列的方法求助

我已经将名为“grocery store transactions”的CSV文件加载到Python中，代码如下：

txns = pd.read_csv('transactions.csv')
txns.head(10)

当前超市交易数据中，涉及多件商品的交易分散在多行。我的目标是将交易号列设为索引列，让每行代表一个唯一交易号，并汇总该交易下的所有关联商品，以开展购物篮分析，现寻求实现方法。

解决方案 #

假设你的交易号列名为transaction_id，商品名列名为product_name（替换成你实际的列名即可），用Pandas的分组聚合就能快速实现需求：

1. 把商品汇总为列表（适合后续购物篮分析工具） #

这种格式可以直接对接mlxtend等库的关联规则算法：

# 按交易号分组，将同交易的商品合并成列表
basket = txns.groupby('transaction_id')['product_name'].agg(list).reset_index()

# 将交易号设为索引
basket.set_index('transaction_id', inplace=True)

2. 用分隔符拼接商品为字符串（直观文本格式） #

如果需要更易读的文本展示，可用逗号或其他分隔符拼接：

# 按交易号分组，用逗号分隔商品
basket = txns.groupby('transaction_id')['product_name'].agg(', '.join).reset_index()

# 设置交易号为索引
basket.set_index('transaction_id', inplace=True)

3. 验证处理结果 #

执行完后用head()检查数据格式：

basket.head()

额外提示 #

• 先确认transaction_id是唯一的交易标识，避免分组错误
• 若数据有缺失值，先清理：txns = txns.dropna(subset=['transaction_id', 'product_name'])
• 用列表格式的数据做购物篮分析时，可通过mlxtend.preprocessing.TransactionEncoder转换为One-Hot编码后，再用Apriori算法挖掘关联规则

内容的提问来源于stack exchange，提问作者DataScience_2367