从 csv 到 R 事务矩阵的多行单元格

Question

我遇到了以下问题（实际上是两个问题）：我有一个包含交易的 csv 文件。但是所有使用 transactionID 购买的商品都存储在一个单元格的多行中。

看起来像这样

TransactionID    Items

1234             Milk
                 Butter
                 Bread

2345             Milk
                 Bread

3456             Beer
                 Milk

4567             Beer
                 Butter

如您所见，并非所有项目都在每笔交易中使用。

如何将 R 中的数据导入为如下所示的事务矩阵

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

是否可以一步完成？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，假设单词被空格分隔 space。我先找到独特的词然后做一个双循环。

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！您的方法奏效了，并且明确地将我推向了正确的方向。只需要做一些小的调整：单词被换行符分开。

之后我将矩阵添加到一个文件中并为 arules 重新导入它。

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

这种方法的问题在于运行时间。有几万笔交易和几千个项目，计算矩阵需要很长时间。

由于我的最终目标是导入 arules 的交易矩阵格式，我最终使用了另一种方法并将所有项目连接到一个大列表中。

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)
    }

这让我可以从 "transaction" 格式而不是 "basket" 格式强制转换为 Arules 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")

这对我来说效果很好。

从 csv 到 R 事务矩阵的多行单元格

Multiple line cells from csv to R transaction matrix

r

csv

apriori

arules