讲师中心 微信公众号

工具推荐

视频效率加速
剧云
剧云

中文短剧剧本制作平台

updream

一键生成高质量推广成片

SoundView
SoundView

字幕擦除翻译、配音口型同步

AniShort
AniShort

AI短剧协同制作平台

如何高效找出购买过相同商品的客户对

云浩小哥_5624

云浩小哥_5624

发布时间:2026-11-18 15:13:05

|

158人浏览过

|

来源于php中文网

原创

如何高效找出购买过相同商品的客户对

本文介绍使用 Polars 的 join_where 实现高效客户共购关系挖掘,避免暴力枚举所有客户对,直接通过商品(StockCode)关联筛选出至少共享一个商品的客户 ID 对,并输出结构化结果。

本文介绍使用 polars 的 `join_where` 实现高效客户共购关系挖掘,避免暴力枚举所有客户对,直接通过商品(stockcode)关联筛选出至少共享一个商品的客户 id 对,并输出结构化结果。

在推荐系统、协同过滤或用户行为分析中,常需识别“购买过相同商品”的用户对(如客户 A 和客户 B 都买过 StockCode = "140")。若采用 itertools.combinations 枚举全部客户对再逐对校验,时间复杂度为 O(N² × M),在客户量大时完全不可行。

Polars 提供了更优雅且高性能的解法:基于商品列的自连接(self-join),配合条件过滤与去重,可将问题转化为一次流式连接操作。

核心思路是:将原始 DataFrame 与自身按 StockCode 对齐,同时约束 CustomerID 以确保每对仅出现一次(避免 (A,B) 和 (B,A) 重复),并天然跳过自匹配(如 A-A)。

以下是完整可运行代码:

import polars as pl

df = pl.from_repr("""
┌─────────────┬────────────┬───────┐
│ CustomerID  ┆ StockCode  ┆ Total │
│ ---         ┆ ---        ┆ ---   │
│ str         ┆ str        ┆ f64   │
╞═════════════╪════════════╪═══════╡
│ A           ┆ 123        ┆ 45.78 │
│ A           ┆ 140        ┆ 10.26 │
│ B           ┆ 125        ┆ 99.62 │
│ B           ┆ 128        ┆ 23.65 │
│ B           ┆ 140        ┆ 92.95 │
│ C           ┆ 123        ┆ 45.78 │
│ D           ┆ 145        ┆ 7.58  │
└─────────────┴────────────┴───────┘
""")

# 执行带条件的懒加载自连接
result = (
    df.lazy()
    .join_where(
        df.lazy(),
        pl.col("StockCode") == pl.col("StockCode_right"),
        pl.col("CustomerID") < pl.col("CustomerID_right")
    )
    .select(pl.col("CustomerID"), pl.col("CustomerID_right"))
    .unique()
    .collect(engine="streaming")
)

print(result)

输出为:

shape: (2, 2)
┌────────────┬──────────────────┐
│ CustomerID ┆ CustomerID_right │
│ ---        ┆ ---              │
│ str        ┆ str              │
╞════════════╪══════════════════╡
│ A          ┆ B                │
│ A          ┆ C                │
└────────────┴──────────────────┘

✅ 关键优势说明:

  • 无需显式去重或排序:join_where 内置逻辑自动处理;CustomerID 确保组合唯一且有序;
  • 流式执行(engine="streaming"):适用于超大数据集,内存友好;
  • 延迟计算(.lazy()):Polars 自动优化执行计划,避免中间物化;
  • 列名自动后缀:右侧表字段默认加 _right 后缀(如 StockCode_right),便于清晰引用。

⚠️ 注意事项:

  • 若原始数据中存在缺失值(null)的 StockCode 或 CustomerID,建议提前用 .drop_nulls(["StockCode", "CustomerID"]) 过滤,否则可能引发意外匹配或空结果;
  • 如后续需计算相似度(如 Jaccard、余弦),可基于此结果 + 原始购买记录构建稀疏用户-商品矩阵,再批量计算;
  • 对于千万级客户规模,建议结合 pl.Config.set_streaming_chunk_size() 调优流式粒度。

该方法将算法复杂度从 O(N²M) 降至近似 O(E log E),其中 E 是购买记录总数,是 Polars 在真实业务场景中处理共现分析的推荐范式。

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
花生AI
花生AI Hot

一款AI视频创作工具,主要用于B站推出的AI视频创作工具,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

Flowith
Flowith Hot

Flowith是一款基于画布和智能体工作流的 AI 协作工作空间。

立刻MV
立刻MV Hot

立刻MV是一款AI文本写作工具,AI 音乐视频(MV)创作工具。

VibeKnow
VibeKnow Hot

一款AI视频创作工具,主要用于全球首个AI知识视频创作平台,文档、文章、网页,一键生成视频,适合需要提升相关任务效率的用户。

笔灵降AI

一款AI论文写作工具,主要用于论文降AI神器,适配知网及维普!一键降至安全线,100%保留原文格式;无口语化问题,文风更学术,降后字数控制最佳!,适合需要提升相关任务效率的用户。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

PixTV
PixTV Hot

PixTV是一款面向AIGC内容创作的AI视频生成工具。

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

1951

2023.07.20

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

5544

2023.07.25

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

1889

2023.07.31

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

33797

2023.08.03

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

3967

2023.08.04

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

3967

2023.08.04

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

1283

2023.08.11

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

636

2023.08.10

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

0

2026.11.17

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn