修改 Apriori 算法的数据输入格式答案

【问题标题】：Modify data input format for Apriori algorithm修改 Apriori 算法的数据输入格式
【发布时间】：2016-06-20 06:22:51
【问题描述】：

我有一个格式如下的数据集：

txn_id  prod_name
  223      milk 
  223      eggs  
  235      eggs
  235      bread
  235      butter

我正在尝试使用这些数据来查找各种产品之间的相关性（市场篮分析）。为了在 R 中使用 Apriori 算法，数据需要是格式

| prod_name | prod_name | prod_name |
  milk         eggs
  eggs         bread      butter

如何做到这一点？

【问题讨论】：

您正在寻找“dcast”功能。查一下这个功能，应该有帮助。您可以根据自己的需要使用单独的公式对列进行分组。但首先你需要安装包“reshape2”。

标签： r apriori arules

【解决方案1】：

arules 包具有此功能。如果您查看文档，在transactions-class 下，您会发现：

## example 4: creating transactions from a data.frame with transaction IDs and items
a_df3 <- data.frame(
    TID = c(1,1,2,2,2,3),
    item=c("a","b","a","b","c", "b")
)
trans4 <- as(split(a_df3[,"item"], a_df3[,"TID"]), "transactions")

split 重新排列数据，以便您拥有一个列表，其中包含每行具有相同 TID 的所有项目。

【讨论】：

【解决方案2】：

您可以使用dplyr 和tidyr。

library(dplyr)
library(tidyr)

adf <- read.table(header = TRUE, stringsAsFactors = FALSE, text = '
txn_id  prod_name
223      milk 
223      eggs  
235      eggs
235      bread
235      butter') %>% tbl_df

### For each transaction, a 'prod_name_key' is created for each 'prod_name'
adf %>%
  group_by(txn_id) %>%
  mutate(prod_name_key = paste0('prod_name_', 1:n())) %>%  # Creates key
  spread(prod_name_key, prod_name, fill = '')              # Reshapes data

## Source: local data frame [2 x 4]
## 
##   txn_id prod_name_1 prod_name_2 prod_name_3
##    (int)       (chr)       (chr)       (chr)
## 1    223        milk        eggs            
## 2    235        eggs       bread      butter

可能有更简洁的方法可以做到这一点，但这似乎可以满足您的要求。

【讨论】：