Instacart Market Basket Analysis
Tres millones de pedidos de supermercado reales, el estándar para practicar análisis de canasta de compra.
ÁreaRetail y E-commerce
DominioRetail
DificultadIntermedio
Tamaño~3 millones de pedidos · 200,000+ usuarios
¿Qué puedes lograr con este dataset?
- Practicar reglas de asociación y análisis de canasta de compra a escala
- Construir modelos de predicción de qué productos recomprará un usuario
- Trabajar con datos relacionales de pedidos, productos y usuarios
Descripción
Publicado por Instacart para una competencia de Kaggle en 2017, este dataset anonimizado incluye más de 3 millones de pedidos de supermercado de más de 200,000 usuarios, con el orden de los productos dentro de cada pedido, ideal para minería de reglas de asociación y sistemas de recomendación.
Casos de uso
- Minería de reglas de asociación (qué productos se compran juntos)
- Sistemas de recomendación de re-compra de productos
- Segmentación de usuarios por comportamiento de compra
- Práctica de modelado relacional con múltiples tablas
Cómo cargarlo
import pandas as pd
pedidos = pd.read_csv("order_products__prior.csv")
productos = pd.read_csv("products.csv")
top = pedidos["product_id"].value_counts().head(10)
print(productos.set_index("product_id").loc[top.index, "product_name"])Ventajas y limitaciones
Ventajas
- Datos reales y de gran volumen, ideales para practicar a escala
- Estructura relacional realista (pedidos, productos, usuarios, departamentos)
- Problema de negocio muy claro y con aplicación directa en retail
Limitaciones
- Requiere unir múltiples tablas relacionalmente antes de poder analizar
- El volumen de datos puede ser pesado para una laptop sin optimización