创建一个包含所有可能交互的表（2 路和 3 路）

Question

我将这个线程提到Create table with all pairs of values from one column in R, counting unique values 和Table of Interactions - Case with pets and houses 了解如何创建 2-way 交互表。 对于所有可能的情况，我怎么能这样做？ 另外，我想在这些分类（组合）中找到出现频率和收入。

这是我的输入数据

   Customer      Product Revenue
1         A         Rice      10
2         A Sweet Potato       2
3         A       Walnut       4
4         B         Rice       3
5         B       Walnut       2
6         C       Walnut       3
7         C Sweet Potato       4
8         D         Rice       3
9         E Sweet Potato       4
10        F       Walnut       7
11        G         Rice       2
12        G Sweet Potato       3
13        H Sweet Potato       4
14        H       Walnut       6
15        I         Rice       2

DFI <- structure(list(Customer = c("A", "A", "A", "B", "B", "C", "C", 
"D", "E", "F", "G", "G", "H", "H", "I"), Product = c("Rice", 
"Sweet Potato", "Walnut", "Rice", "Walnut", "Walnut", "Sweet Potato", 
"Rice", "Sweet Potato", "Walnut", "Rice", "Sweet Potato", "Sweet Potato", 
"Walnut", "Rice"), Revenue = c(10, 2, 4, 3, 2, 3, 4, 3, 4, 7, 
2, 3, 4, 6, 2)), .Names = c("Customer", "Product", "Revenue"), row.names = c(NA, 
15L), class = "data.frame")

这是生成产品Sweet PotatoRice和Walnut的所有组合的代码：

Combinations<-do.call(c,lapply(seq_along(unique(DFI$Product)), 
  combn, x = unique(DFI$Product), simplify = FALSE))

[[1]]
[1] "Rice"

[[2]]
[1] "Sweet Potato"

[[3]]
[1] "Walnut"

[[4]]
[1] "Rice"         "Sweet Potato"

[[5]]
[1] "Rice"   "Walnut"

[[6]]
[1] "Sweet Potato" "Walnut"      

[[7]]
[1] "Rice"         "Sweet Potato" "Walnut"      

这是我对根据产品类型组合的出现频率的预期输出数据：

  Combination Frequency
1           R         2
2           S         1
3           W         1
4         R,S         1
5         S,W         2
6         R,W         1
7       R,S,W         1

DFOUTa <- structure(list(Combination = c("R", "S", "W", "R,S", "S,W", "R,W", 
"R,S,W"), Frequency = c(2, 1, 1, 1, 2, 1, 1)), .Names = c("Combination", 
"Frequency"), row.names = c(NA, 7L), class = "data.frame")

这是我对分类中收入的预期输出数据（即产品类型的组合）：

  Combination Revenue
1           R       5
2           S       4
3           W       7
4         R,S       5
5         S,W      17
6         R,W       5
7       R,S,W      16

DFOUTb <- structure(list(Combination = c("R", "S", "W", "R,S", "S,W", "R,W", 
"R,S,W"), Revenue = c(5, 4, 7, 5, 17, 5, 16)), .Names = c("Combination", 
"Revenue"), row.names = c(NA, 7L), class = "data.frame")

我已经手动生成了上述数据。我已经仔细检查以确保没有错误。

我不确定如何生成我正在寻找的两个输出。我真诚地感谢任何帮助。我更喜欢基于 data.table 的方法，因为我在原始数据集中拥有的数据量很大。

---

PS：为简洁起见，我在输出文件中分别将产品名称Rice、Sweet Potato 和Walnut 缩短为R、S、W。

Answer 1

这应该让您同时获得频率和收入 - 我假设您想将每个客户的订单组合成一个组合：

require(data.table); setDT(DFI)

DFI[order(Product)
  ][, .(Combination= paste(Product, collapse=", "), Revenue = sum(Revenue)) , by=.(Customer)
  ][, .(.N, Revenue= sum(Revenue)), by=.(Combination)]

                  Combination N Revenue
1: Rice, Sweet Potato, Walnut 1      16
2:               Rice, Walnut 1       5
3:                       Rice 2       5
4:         Rice, Sweet Potato 1       5
5:       Sweet Potato, Walnut 2      17
6:               Sweet Potato 1       4
7:                     Walnut 1       7

您可能会发现一次查看每个链接语句以了解每个步骤发生的情况会很有帮助。我要提到的唯一具体的事情是我们以DFI[order(Product)] 开头以确保我们生成的组合是一致的，所以我们不会以“Rice, Potato”和“Potato,大米”

Answer 2

我愿意……

# spin off product table, assign abbreviations
prodDF = DFI[, .(Product = unique(Product))][, prod := substr(Product, 1, 1)]
DFI[prodDF, on=.(Product), prod := i.prod]

# spin off customer table, assign their bundles and revenues
custDF = DFI[order(prod), .(Bundle = toString(prod)), keyby=Customer]    
custDF[DFI[, sum(Revenue), by=.(Customer)], rev := i.V1]

# aggregate from customers to bundles
res = custDF[, .(.N, rev = sum(rev)), keyby=Bundle]

# clean up extra columns
DFI[, prod := NULL]

给了

    Bundle N rev
1:       R 2   5
2:    R, S 1   5
3: R, S, W 1  16
4:    R, W 1   5
5:       S 1   4
6:    S, W 2  17
7:       W 1   7

这与@Mako 的回答非常相似，但是......

1. 我的两个聚合都使用 ?GForce 对收入求和，而 Mako 在客户级别的收入求和则没有。
2. 这种方式留下了客户表，您可以检查或与其他客户属性（如果有）合并；产品表也是如此。

这些并没有真正使这个答案变得更好，只是不同。尽管有 GForce 的事情，但我的方式实际上可能会更慢，因为我按客户分组或合并客户三次，而不是该答案的一次。对于第二个问题，另一个答案可能是简单/个人品味的单线。