Question

对于无望的头衔感到抱歉..

我有一个看起来像的数据集：

|userId|movieId|rating|genre1|genre2|
|1     |13     |3.5   |1     |0     |
|1     |412    |2.5   |1     |1     |
|2     |4      |3.0   |0     |1     |
|3     |412    |2.5   |1     |1     |
|4     |13     |4.5   |1     |0     |
|4     |412    |5     |1     |1     |

等等......

并非每个用户都为每部电影评分。

我想将其转换为如下的矩阵：

|   |1  |2  |3  |4  |
|4  |   |3  |   |   |
|13 |2.5|   |   |4.5|
|412|   |   |   |5  |

所以我将userId作为列，将movieId作为行，关联值为给定的评级。

最好的方法是什么？

编辑：ID是非顺序的。有140k用户和28k电影。

Answer 1

如果您有多个用户和多部电影，构建matrix时可能会很容易耗尽内存。比如说用户是1000而不同的电影是1000.你最终会得到一个包含1M条目的matrix，其中大部分都会丢失（因为不是每个用户都看过每部电影）。

如果您的数据集很大，那么sparseMatrix包中的Matrix就可以了。如果用户和电影ID都是顺序的（即它们以1开头并以不同条目的数量结束），那么构建它是很简单的。使用@StevenBeauprédata：

require(Matrix)
mat<-sparseMatrix(df$userId,df$movieId,x=df$rating)

如果id不是连续的：

mat<-sparseMatrix(as.integer(factor(df$userId)), 
                  as.integer(factor(df$movieId)),x=df$rating)

您基本上可以对matrix执行任何sparseMatrix操作。

Answer 2

尝试

library(dplyr)
library(tidyr)

df %>%
  select(-(genre1:genre2)) %>%
  spread(userId, rating, fill = "")

给出了：

#  movieId   1 2   3   4
#1       4     3        
#2      13 3.5       4.5
#3     412 2.5   2.5   5

数据

df <- structure(list(userId = c(1L, 1L, 2L, 3L, 4L, 4L), movieId = c(13L, 412L, 4L, 412L, 13L, 412L), rating = c(3.5, 2.5, 3, 2.5, 4.5, 5), genre1 = c(1L, 1L, 0L, 1L, 1L, 1L), genre2 = c(0L, 1L, 1L, 1L, 0L, 1L)), .Names = c("userId", "movieId", "rating", "genre1", "genre2"), class = "data.frame", row.names = c(NA, -6L))

将数据集转换为值矩阵

2 个答案: