捕获篮子中的所有项目 (R/arulesSequences)

Question

我在使用 R 中的 arulesSequences 包时遇到问题。我能够将篮子读入程序并创建一个 data.frame，但是它无法识别第一列之外的任何其他项目。下面是我的数据集的一个示例，它遵循此处演示的形式：Data Mining Algorithms in R/Sequence Mining/SPADE。

    [sequenceID] [eventID] [SIZE] items
    2 1 1 OB/Gyn
    15 1 1 Internal_Medicine
    15 2 1 Internal_Medicine
    15 3 1 Internal_Medicine
    56 1 2 Internal_Medicine Neurology
    84 1 1 Oncology
    151 1 2 Hematology Hematology
    151 2 1 Hematology/Oncology
    151 3 1 Hematology/Oncology
    185 1 2 Gastroenterology Gastroenterology

数据集从 SAS 导出为 [.CSV]，然后在 Excel 中转换为制表符分隔的 [.TXT] 文件。标头被删除以导入 R，但为了清楚起见，我将它们放在上面的括号中。所有空格都替换为下划线（“_”），并尽可能简化项目名称。每个项目都列在单独的列中。以下命令用于导入文件：

    baskets <- read_baskets(con = "...filepath/spade.txt", sep = "[ \t]+",info=c("sequenceID", "eventID", "SIZE"))

我没有出现任何错误，因此我继续执行以下命令：

    as(baskets, "data.frame")

这里，它会按要求返回 data.frame，但是它无法捕获第一列之外的项目：

    items sequenceID eventID SIZE
    {OB/Gyn} 2 1 1
    {Internal_Medicine} 15 1 1
    {Internal_Medicine} 15 2 1
    {Internal_Medicine} 15 3 1
    {Internal_Medicine} 56 1 2
    {Oncology} 84 1 1
    {Hematology} 151 1 2
    {Hematology/Oncology} 151 2 1
    {Hematology/Oncology} 151 3 1
    {Gastroenterology} 185 1 2

第 5 行应如下所示：

    {Internal_Medicine, Neurology} 56 1 2

我尝试将文件直接作为 [.CSV] 导入，但 data.frame 的格式与我上面尝试使用制表符的格式相似，只是它在第一项前面放置了一个逗号：

    {,Internal_Medicine} 56 1 2

任何故障排除建议将不胜感激。看来这个包在格式化方面很挑剔。

Answer 1

第 5 行应如下所示：

{Internal_Medicine, Neurology} 56 1 2

退房

library(arulesSequences)
packageVersion("arulesSequences")
# [1] ‘0.2.16’
packageVersion("arules")
# [1] ‘1.5.0’
txt <- readLines(n=10)
2 1 1 OB/Gyn
15 1 1 Internal_Medicine
15 2 1 Internal_Medicine
15 3 1 Internal_Medicine
56 1 2 Internal_Medicine Neurology
84 1 1 Oncology
151 1 2 Hematology Hematology
151 2 1 Hematology/Oncology
151 3 1 Hematology/Oncology
185 1 2 Gastroenterology Gastroenterology
writeLines(txt, tf<-tempfile())
baskets <- read_baskets(con = tf, sep = "[ \t]+",info=c("sequenceID", "eventID", "SIZE"))
as(baskets, "data.frame")
#                            items sequenceID eventID SIZE
# 1                       {OB/Gyn}          2       1    1
# 2            {Internal_Medicine}         15       1    1
# 3            {Internal_Medicine}         15       2    1
# 4            {Internal_Medicine}         15       3    1
# 5  {Internal_Medicine,Neurology}         56       1    2 # <----------
# 6                     {Oncology}         84       1    1
# 7                   {Hematology}        151       1    2
# 8          {Hematology/Oncology}        151       2    1
# 9          {Hematology/Oncology}        151       3    1
# 10            {Gastroenterology}        185       1    2