关联规则算法的数据准备（先验）

Question

我在为我正在进行的项目准备数据方面需要帮助。 我有 2 列 csv 文件，一列包含订单号，第二列包含购买的商品。

这是我所拥有的示例：

1 A
1 B
1 C
2 A 
2 D 
3 F
3 G
3 K

我需要将其转换为：

1 A B C
2 A D
3 F G K

（这只是我制作的一个示例。我有 70k 行） 任何帮助都会很棒。 SQL / Python / excel 是我知道如何使用的工具。因此，如果可能的话，其中之一的答案将是最好的。 谢谢！

Answer 1

您可以使用ROW_NUMBER () OVER (PARTITION BY NUMBER ORDER BY LETTER)（内部查询），然后使用子查询您可以选择字母作为列。

Answer 2

这对于 Python 和 collections.defaultdict 来说非常简单：

import collections
order_to_products = collections.defaultdict(list)
with open('input.csv') as inp:
   for l in inp:
      order_id, *products = l.split()
      order_to_products[order_id].extend(products)
for order_id, products in order_to_products.items():
   print(order_id, ' '.join(products))

（作为额外的奖励，这实际上支持具有多个产品的输入行。）

例如

$ cat > input.csv
1 A
1 B
1 C
2 A
2 D
3 F
3 G
3 K
$ python3
>>> import collections
>>> order_to_products = collections.defaultdict(list)
>>> with open('input.csv') as inp:
...    for l in inp:
...       order_id, *products = l.split()
...       order_to_products[order_id].extend(products)
...
>>> for order_id, products in order_to_products.items():
...    print(order_id, ' '.join(products))
...
1 A B C
2 A D
3 F G K