Question

我遇到了以下问题（这实际上是两个问题）：我有一个带有事务的csv文件。但是使用transactionID购买的所有商品都存储在单个单元格的多行中。

看起来像这样

TransactionID    Items

1234             Milk
                 Butter
                 Bread

2345             Milk
                 Bread

3456             Beer
                 Milk

4567             Beer
                 Butter

正如您所看到的，并非所有项目都在每笔交易中使用。

如何将R中的数据导入为类似于此

的事务矩阵

TransactionID    Milk    Butter    Bread    Beer
1234             1       1         1        0
2345             1       0         1        0
3456             1       0         0        1
4567             0       1         0        1

可以在一个优雅的步骤中完成吗？导入后我想使用arules包分析我的数据。

提前致谢！

Answer 1

这不是单行，并假设单词被空格分割。我首先找到独特的单词，然后进行双循环。

u <- unique(do.call('c', strsplit(df$items, ' ')))
for (i in 1:nrow(df)) {
  for (j in u) {
    df[i, j] <- 1 * (j %in% strsplit(df$items[i], ' ')[[1]])
  }
}

Answer 2

谢谢@DirkNachbar！你的方法起作用，并且明确地将我推向了正确的方向。只需要进行一些小的调整：这些单词被换行符分开。

之后我将矩阵添加到文件中，然后将其重新插入arules。

write(mat, file = "TransactionMatrix", sep = "\n")
trans = read.transactions("TransactionMatrix", format = "basket", sep = "\n")

关于这种方法的问题是运行时。有几万个交易和几千个项目，计算矩阵需要很长时间。

由于我的最终目标是导入arules的事务矩阵格式，我最终使用了另一种方法并将所有项目连接到一个大型列表。

df <- read.csv("Transactions.csv", header = TRUE, sep = ";", dec = ",")

MaxTransactions <- 0
for (i in 1:length(df$items)) {

    add <- length(strsplit(as.character(df$items[i]),'\n')[[1]])
    MaxTransactions <- MaxTransactions + add
    }

IDs <- rep(NA, MaxTransactions)
ITEMs <- rep(NA, MaxTransactions)

Position <- 0

for (i in 1:length(df$items)) {

    tempITEM <- c(strsplit(as.character(df$items[i]),'\n')[[1]])
    tempID <- rep(as.character(df$TransID[i]),length(tempITEM))

    for (j in 1:length(tempITEM)) {
        IDs[Position+j] <- tempID[j]
        ITEMs[Position+j] <- tempITEM[j]
        }
    Position <- Position + length(tempITEM)
    }

这允许我从“交易”格式而不是“篮子”格式强制转换到arules的交易矩阵。

a_df <- data.frame(ID = as.factor(IDs),ITEM = as.factor(ITEMs))

TransList <- split(a_df[,"ITEM"],a_df[,"ID"]) 
TransMat <- as(TransList, "transactions")

这对我有用。

从csv到R事务矩阵的多个行单元

2 个答案: