Question

我有一个购物篮格式的数据框，如下所示：

V1 <- c('milk', 'beer', 'wrench', 'milk' )
V2 <- c('eggs', 'elbow grease', '', 'beer')
V3 <- c('water', '', '', '')

df <- data.frame(V1, V2, V3)

输出：

      V1      V2           V3
1   milk      eggs         water
2   beer      elbow grease      
3   wrench                   
4   milk      beer

我想产生的是一个单一格式的数据框，如下所示：

  transaction   product
1           1   milk
2           1   eggs
3           1   water
4           2   beer
5           2   elbow grease
6           3   wrench
7           4   milk
8           4   beer

现在，我希望数据在一个数据框中，以便可以在切换到apriori R包使用的事务格式之前进行过滤。

将该数据框从购物篮转换为单一格式的最快方法是什么？

现在我正在使用非常慢的循环。

dfSingle <- data.frame(product = character(),
                    transaction = integer())
for (row in 1:nrow(df))  {
  # Create a list of products
  productList <- unname(unlist(df[row, ]))

  # Remove blank spaces
  productList <- productList[!productList %in% ""]

  # Convert to a dataframe
  dfTemp <- as.data.frame(productList)
  colnames(dfTemp) <- "product"
  dfTemp$transaction <- row

  # Bind to larger dataframe with previous rows
  dfSingle <- rbind(dfSingle, dfTemp)

}

我曾考虑过使用apply将此功能应用于每一行，但是对于如何将多个结果行绑定到前一行的结果感到困惑。

Answer 1

您可以使用stack。诀窍是转置您的数据框，即

df1 <- stack(as.data.frame(t(df), stringsAsFactors = FALSE))

df1[df1$values != '',]
         values ind
#1          milk  V1
#2          eggs  V1
#3         water  V1
#4          beer  V2
#5  elbow grease  V2
#7        wrench  V3
#10         milk  V4
#11         beer  V4

注意：：简单的rgex只能从ind列中提取数字，即

df1$ind <- gsub('\\D+', '', df1$ind)

这将给

         values ind
1          milk   1
2          eggs   1
3         water   1
4          beer   2
5  elbow grease   2
7        wrench   3
10         milk   4
11         beer   4

Answer 2

使用tidyverse，您可以执行以下操作：

df %>%
 mutate_all(funs(ifelse(. == "", NA_character_, paste0(.)))) %>%
 rowid_to_column(var = "transaction") %>%
 gather(var, product, -transaction, na.rm = TRUE) %>%
 select(-var) %>%
 arrange(transaction)

  transaction      product
1           1         milk
2           1         eggs
3           1        water
4           2         beer
5           2 elbow grease
6           3       wrench
7           4         milk
8           4         beer

首先，它将空行替换为NA_character_。其次，它创建一个具有行ID的变量“ transaction”。第三，它将数据从宽格式转换为长格式，并使用NA_character_删除行。最后，它根据“事务”排列数据。

Answer 3

或data.table方法（单线）

首先从行名setDT(df)[, transaction := .I ]获取交易然后使用事务作为id列融化：melt( ... , id = "transaction" ) 最后删除空值并返回第一和第三列：...[!value == "", c(1,3) ]

melt( setDT(df)[, transaction := .I ], id = "transaction" )[!value == "", c(1,3) ]

#    transaction        value
# 1:           1         milk
# 2:           2         beer
# 3:           3       wrench
# 4:           4         milk
# 5:           1         eggs
# 6:           2 elbow grease
# 7:           4         beer
# 8:           1        water

Answer 4

用适当的格式""替换字符NA后，您可以创建一个新的列事务，然后使用reshape2::melt：

df[df == ""]   <- NA    
df$transaction <- 1:nrow(df)

然后：

melted_df <- na.omit(reshape2::melt(data=df, id.vars="transaction"))

产生：

> melted_df
  transaction variable        value
1           1       V1         milk
2           2       V1         beer
3           3       V1       wrench
4           4       V1         milk
5           1       V2         eggs
6           2       V2 elbow grease
8           4       V2         beer
9           1       V3        water

此功能的好处是它将为您提供一列variable，该列为您提供了前df个data.frame的列的名称。如果与您无关，请使用df$variable <- NULL删除此列。如果您还想通过增加交易顺序对结果进行排序：

out <- melted_df[order(melted_df$transaction), ]

最终产生：

> out
  transaction        value
1           1         milk
5           1         eggs
9           1        water
2           2         beer
6           2 elbow grease
3           3       wrench
4           4         milk
8           4         beer

Answer 5

另一种R基本选择：

do.call(
  rbind, 
  sapply(seq_along(df), function(i) cbind(transaction = i, product = df[[i]][nzchar(df[[i]])])) 
)

     transaction product       
[1,] "1"         "milk"        
[2,] "1"         "beer"        
[3,] "1"         "wrench"      
[4,] "1"         "milk"        
[5,] "2"         "eggs"        
[6,] "2"         "elbow grease"
[7,] "2"         "beer"        
[8,] "3"         "water"

将篮子数据框熔化为单个数据框而无循环

5 个答案: