Question

我的数据格式为：

User Item
1   A
1   B
1   C
1   D
2   A
2   C
2   E

我想得到的是每对的频率计数。订单并不重要，所以我不想计算倒数。我希望最终得到与此类似的结果，其中频率计数由用户划分。

Pair Frequency
AB  1
AC  2
AD  1
AE  1
BC  1
BD  1
BE  0
CD  1
CE  1

我可以使用什么工具来制定这种表格？如果可能，我更喜欢一些开源解决方案。

编辑 - 我在下面的评论添加了示例

我使用以下两行从CSV文件中读取数据，并在代码中删除这两个步骤的因素。

xa<-read.csv("C:/Direcotry/MyData.csv")
xa<-data.frame(lapply(xa, as.character), stringsAsFactors=FALSE)

     User   Item
1  394324 Item A
2  124209 Item B
3  212457 Item C
4  427052 Item A
5  118281 Item D
6  156831 Item A
7  212442 Item E
8  156831 Item B
9  212442 Item A
10 177734 Item C

当我尝试运行建议的答案时，我得到一个错误：

Error in combn(x, 2) : n < m

Answer 1

R井是开源的。

以下是基于您的微小数据样本的示例：

在这里，我只是通过直接从您的帖子中复制数据来阅读您的数据：

> xa=read.table(stdin(),header=TRUE,as.is=TRUE)
0: User Item
1: 1   A
2: 1   B
3: 1   C
4: 1   D
5: 2   A
6: 2   C
7: 2   E
8:

这样就是数据。然后用几行代码：

> f=function(x) apply(combn(x,2),2,paste0,collapse="")
> table(unlist(tapply(xa$Item,xa$User,f)))

AB AC AD AE BC BD CD CE 
 1  2  1  1  1  1  1  1

如果您需要将所有空组合显式为零，则需要另外一行或两行（您需要生成所有可能的组合作为因子，而不仅仅是观察到的组合，并告诉table包含空的组合）。

Answer 2

在Glen的一些研究和建议之后，我想出了以下代码，它为我提供了一个3列CSV文件，其中包含对组合和频率计数。如果有人看到更好的方式，请告诉我！但这似乎有效。

我在后续评论中提到的错误是由于用户只在一个地方购买的。

library(reshape2)

xa<-read.csv("C:/Input.csv",as.is=TRUE)

xa=xa[!duplicated(xa),]
xa<-data.table(xa)
setkey(xa,ContactId,PurchaseLocation)

tab=table(xa$ContactId)
xa=xa[xa$ContactId %in% names(tab[tab>1]),]

f=function(x) apply(combn(x,2),2,paste0,collapse="--")
xb<-as.data.frame(table(unlist(tapply(xa$PurchaseLocation,xa$ContactId,f))))
xc=with(xb, cbind(Freq, colsplit(xb$Var1, pattern = "--", names = c('a', 'b'))))
xc=subset(xc,a!=b & a!="" & b!="" & Freq>1)

write.csv(xc,file="C:/Output.csv")

编辑 - 我做了一个小改动，通过在键上对数据表进行排序来使其与订单无关。

制表关联频率计数

2 个答案: