故事從校園一卡通開始，校園一卡通是集身份認證、金融消費、數據共享等多項功能于一體的信息集成系統，也就是學生卡。積累了大量的歷史記錄，其中蘊含著學生的消費行為和財務狀況等信息。是一個數據分析比賽的數據，很多報告都是從消費金額、消費地點、消費時間等角度分析，比較常規。但是數據，其實還可以更有趣。

本次使用南京理工一卡通的消費明細，我會從一個全新的角度出發，挖掘其中的情侶、基友、渣男、單身狗，大家可以把類似的方法擴展到風控領域使用，這種挖掘思路可以用到反欺詐、反舞弊等場景，思路比較新穎，具有較大的研究價值。

那我們開始，看看時序數據怎么利用關聯規則進行挖掘，使用的數據集地址如下：https://github.com/Nicole456/Analysis-of-students-consumption-behavior-on-campus

如果沒時間看看全文，直接跳到第五數據解讀的環節。

一、數據集介紹

附件是某學校 2019年 4月 1 日至 4月 30日一共30天的一卡通數據，一共3個文件，數據字段和含義分別如下

data1.csv：校園卡基本信息

包含的字段有：['序號', '校園卡號', '性別', '專業名稱', '門禁卡號']

data2.csv：校園卡消費明細

['流水號', '校園卡號', '校園卡編號', '消費時間', '消費金額', '存儲金額', '余額', '消費次數', '消費類型', '消費項目編碼', '消費項目序列號', '消費操作編碼', '操作編碼', '消費地點']

data3.csv：進出門禁詳情

['序號', '門禁卡號', '進出時間', '進出地點', '是否通過', '描述']

二、數據讀取

#?數據讀取 import numpy as np import pandas as pd import ospd.set_option('display.max_columns',?None) os.chdir('/Users/wuzhengxiang/Documents/DataSets/students') data1?=?pd.read_csv("data1.csv",?encoding="gbk") data2?=?pd.read_csv("data2.csv",?encoding="gbk") data3?=?pd.read_csv("data3.csv",?encoding="gbk")data1.columns = ['序號', '校園卡號', '性別', '專業名稱', '門禁卡號'] data2.columns = ['流水號', '校園卡號', '校園卡編號', '消費時間', '消費金額', '存儲金額', '余額', '消費次數', '消費類型', '消費項目編碼', '消費項目序列號', '消費操作編碼', '操作編碼', '消費地點'] data3.columns = ['序號', '門禁卡號', '進出時間', '進出地點', '是否通過', '描述']print(data1.head(3)) 序號 校園卡號 性別 專業名稱 門禁卡號 0 1 180001 男 18國際金融 19762330 1 2 180002 男 18國際金融 20521594 2 3 180003 男 18國際金融 20513946print(data2.head(3)) 流水號 校園卡號 校園卡編號 消費時間 消費金額 存儲金額 余額 消費次數 \ 0 117342773 181316-女 20181316 2019/4/20 20:17 3.0 0.0 186.1 818 1 117344766 181316-女 20181316 2019/4/20 8:47 0.5 0.0 199.5 814 2 117346258 181316-女 20181316 2019/4/22 7:27 0.5 0.0 183.1 820 消費類型 消費項目編碼 消費項目序列號 消費操作編碼 操作編碼 消費地點 性別 0 消費 49 NaN NaN 235 第一食堂 女 1 消費 63 NaN NaN 27 第二食堂 女 2???消費??????63?????NaN?????NaN????27??第二食堂??女??print(data3.head(3))序號 門禁卡號 進出時間 進出地點 是否通過 描述 0 1330906 25558880 2019/4/1 0:00 第六教學樓[進門] 1 允許通過 1 1330907 18413143 2019/4/1 0:02 第六教學樓[出門] 1 允許通過 2??1331384??11642752??2019/4/1?0:00????飛鳳軒[進門]?????1??允許通過

三、數據處理

我們首先需要把數據處理成關聯規則能識別的格式，每5分鐘分割成一個數據片段，里面是去重后的用戶明細，大家可以類比，這里的用戶ID就是商品ID，每5分鐘就是一個訂單，這樣就能和常規的關聯規則算法聯系起來了，把時空數據轉換成關聯規則的應用方式，初學者還是比較難理解的，如果看不懂，大家可以看看我之前介紹原理的文章。

data2 = data2.merge(data1[['校園卡號','性別']],on='校園卡號')data2['校園卡號'] = data2['校園卡號'].apply(lambda x: str(x))+'-'+data2['性別']# 時間格式調整,轉換成比較標準的格式，方便后面的處理 import datetime def st_pt(x):#'2019/4/20 20:17'=>'2019-04-20 20:17:00'return str(datetime.datetime.strptime(x, "%Y/%m/%d %H:%M"))# 時間離散化，每個五分鐘一個類型 def time_5(s):#'2022-02-22 17:46:07'=>'2022-02-22 17_9'a = str(round(int(s.split(':')[1])/5))return s.split(':')[0]+'_'+a# 數據處理，處理成標準的格式 df = data2 df = df.sort_values(by='消費時間',ascending=True) df['消費時間_F'] = df['消費時間'].apply(st_pt) df['消費時間_5'] = df['消費時間_F'].apply(time_5) all_list = [] for v in df['消費時間_5'].unique():one = df[df['消費時間_5']==v]['校園卡號'].unique().tolist()all_list.append(one)print(len(all_list))#可以看到，有6176個時間片段，可以類比6176個訂單 6176all_list # 看看list長什么樣子 [['181735-女','180015-女'],['181058-男', '181374-男', '182044-女', '182581-女', '180052-女', '182729-男'],['181405-男','180078-男'],···]#數據保存起來 df.to_csv('df.csv',header=True,index=False)

?

四、關聯規則挖掘

有了上面構造的數據，我們就可以進行關聯規則的挖掘

#加載包，沒有的自行安裝 #pip install efficient-apriorifrom efficient_apriori import aprioriitemsets, rules = apriori(all_list, min_support=0.005, min_confidence=1)itemsets[2]('183305-女', '183317-女'): 38,('183308-女', '183317-女'): 42,('183310-女', '183314-女'): 31,('183315-女', '183324-女'): 32,('183338-男', '183345-男'): 40,('183343-男', '183980-女'): 44,('183385-女', '183401-女'): 40,('183386-女', '183409-女'): 34,('183408-女', '183415-女'): 42,('183414-女', '183418-女'): 41,('183419-女', '183420-女'): 56,('183419-女', '183422-女'): 59,··· len(itemsets[2]) # 一共有三百多對，我們下面挑一部分來分析 378

我們可以看到，挖掘出來的關聯規則，2元的組合一共有378條，數據是2019-04月一個月的，就是30天的。前面是用戶對，后面是30天內出現的次數，30多次到50多次，基本上每天出險一次以上，都是比較強關聯的。?

數據對我們都加上了性別，基本可以推斷，男女一般都是情侶，男男基本就是好基友，女女都是好閨蜜，而被我們排除的數據，里面很多就是單身狗了。

五、結果解讀

上面挖掘的，都是匯總數據，為了更加具體，我們挑一對男女的消費明細來看看，這一對同學，一個月內出現了44次的關聯，基本上每天都一起出入了，并且是男女組合。

('181597-男','183847-女')：44

2019/4/1 ?07:49 ?男生女生一起去吃早餐，男生吃了3塊錢的，女生吃了6.5的，在第一食堂，多年后可能還能記起這一頓早餐

2019/4/1 ?11:18 ?男生女生一起去吃午飯，男生吃了8塊錢的，女生也吃了8的，估計吃的餃子，或者是麻辣燙，這次在第四食堂，可能是上課的教室就在這附近

2019/4/2 ?07:42男生女生一起去吃早餐，男生吃了7.5塊錢的，女生吃了3.5的，估計昨天點多了，沒吃完，今天少吃點

2019/4/17 ?20:43 ?估計剛剛約會好了，在紅太陽超市，女生估計買了個酸奶，男生餓了，買個個老壇酸菜牛肉面，買完，操場上一個大大的擁抱，各自回宿舍了，帶著滿滿的甜蜜和力量，大學的美好，不過如此了·····

·······

數據挖掘，我們不應該機械冰冷，應該通過數據，洞察后面的細節與故事，有時候，數據挖掘，是多么美妙的故事呢。

除了這一對，還有很多對的情侶，也是類似的生活軌跡。

通過分析，我們也發現兩個渣男，啊呸，打死算了，細節我就不看了，你們去看

('180624-男', '181013-女'): 36 ('180624-男', '181042-女'): 37('180780-女', '181461-男'): 38 ('180856-女', '181461-男'): 34

還有我們挖掘的數據，剔除部分，有大量的單身狗的含量，沒有人和他一起吃飯

更多的是，基友和閨蜜，可以看看下面的

itemsets[2]('183247-女', '183254-女'): 32,('183302-女', '183306-女'): 31,('183303-女', '183307-女'): 48,('183303-女', '183314-女'): 31,('183305-女', '183308-女'): 38,('183305-女', '183317-女'): 38,('183308-女', '183317-女'): 42,('183310-女', '183314-女'): 31,('183315-女', '183324-女'): 32,('183338-男', '183345-男'): 40,('183343-男', '183980-女'): 44,('183385-女', '183401-女'): 40,('183386-女', '183409-女'): 34,('183408-女', '183415-女'): 42,('183414-女', '183418-女'): 41,('183419-女', '183420-女'): 56,

3元的數據

itemsets[3]{('180363-女', '181876-女', '183979-女'): 40,('180711-女', '180732-女', '180738-女'): 35,('180792-女', '180822-女', '180849-女'): 35,('181338-男', '181343-男', '181344-男'): 40,('181503-男', '181507-男', '181508-男'): 33,('181552-男', '181571-男', '181582-男'): 39,('181556-男', '181559-男', '181568-男'): 35,('181848-女', '181865-女', '181871-女'): 35,('182304-女', '182329-女', '182340-女'): 36,('182304-女', '182329-女', '182403-女'): 32,('183305-女', '183308-女', '183317-女'): 32,('183419-女', '183420-女', '183422-女'): 49,('183419-女', '183420-女', '183424-女'): 45,('183419-女', '183422-女', '183424-女'): 48,('183420-女', '183422-女', '183424-女'): 51,('183641-女', '183688-女', '183690-女'): 32,('183671-女', '183701-女', '183742-女'): 35,('183713-女',?'183726-女',?'183737-女'):?36}

4元的數據，一般都是一個宿舍的，關系非常好的宿舍

itemsets[4] {('183419-女', '183420-女', '183422-女', '183424-女'): 42}

六、風控應用

我們分析用的是校園刷卡數據，這樣的時序數據，隨處可見

訂單下單數據

領券明細數據

信用卡刷卡數據

····

非常多的這種數據，我們可以通過時序關聯的方法挖掘出來其中的時空關系，從而確定多個有一致行動的用戶，達到一起打擊的目的。

當然，這種方法也是有缺陷的，有些相隔時間近但是不再同一個5min中內的，不會產生關聯，其實有更先進的算法去解決，我們后面慢慢介紹，因為比較抽象。

往期精彩回顧適合初學者入門人工智能的路線及資料下載(圖文+視頻)機器學習入門系列下載中國大學慕課《機器學習》（黃海廣主講）機器學習及深度學習筆記等資料打印《統計學習方法》的代碼復現專輯 AI基礎下載機器學習交流qq群955171419，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【机器学习】情侣、基友、渣男和狗-基于时空关联规则的影子账户挖掘的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。