Несколько ячеек строки из csv в транзакционную матрицу

Question

У меня есть следующая проблема (на самом деле это две проблемы): у меня есть csv-файл с транзакциями. Но все предметы, купленные с идентификатором transactionID, хранятся в нескольких строках одной ячейки.

Похоже, что этот

TransactionID Items 

1234    Milk 
       Butter 
       Bread 

2345    Milk 
       Bread 

3456    Beer 
       Milk 

4567    Beer 
       Butter 

Как вы можете видеть, что не все элементы используются в каждой сделке.

Как мне импортировать данные в R как матрицу сделки, которая выглядит следующим

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 

Это может быть сделано в одном, элегантный шаг? После импорта я хочу проанализировать свои данные, используя пакет arules.

Заранее благодарен!

Answer 1

Это не одна строка и предполагает, что слова разделяются пробелом. Сначала я нахожу уникальные слова, а затем выполняю двойной цикл.

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

спасибо @DirkNachbar! Твой подход сработал и определенно подтолкнул меня в правильном направлении. Необходима небольшая корректировка: слова были разделены разрывом.

Впоследствии я добавил матрицу к файлу и повторно привязал ее для арулов.

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

Проблема с этим подходом - это время выполнения. Имея несколько десятков тысяч транзакций и несколько тысяч элементов, для вычисления матрицы требуется возраст.

Поскольку моя конечная цель была импортирована в формат матрицы транзакций arules, я в конечном итоге использовал другой подход и объединил все элементы в один большой список.

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) 
    } 

Это позволило мне принуждать к матрице arules' транзакции из формата «сделки» вместо формата «корзины».

a_df <- data.frame(ID = as.factor(IDs),ITEM = as.factor(ITEMs)) 

TransList <- split(a_df[,"ITEM"],a_df[,"ID"]) 
TransMat <- as(TransList, "transactions") 

Это хорошо сработало для меня.