R语言关联分析的数据输入

产生合适的交易流数据（transactions）是进行关联规则分析的前提条件，下面将用四种方法来产生交易流数据。

1. 使用list来产生：

（1）形成list
> a_list <- list(
 c("a","b","c"),
 c("a","b"),
 c("a","b","d"),
 c("c","e"),
 c("a","b","d","e")
 )
> a_list
［1］
[1] "a" "b" "c"

［2］
[1] "a" "b"

［3］
[1] "a" "b" "d"

［4］
[1] "c" "e"

［5］
[1] "a" "b" "d" "e"

（2）#命名
> names(a_list) <- paste("Tr",c(1:5), sep = "")

（3）#转换
> trans <- as(a_list, "transactions")

 （4）#test是否建立成功

> trans
> summary(trans)

2. 使用matrix数据来产生：

（1）矩阵
>a_matrix <- matrix(
 c(1,1,1,0,0,
 1,1,0,0,0,
 1,1,0,1,0,
 0,0,1,0,1,
 1,1,0,1,1), ncol = 5)

（2）命名
> dimnames(a_matrix) <- list(
 c("a","b","c","d","e"),
 paste("Tr",c(1:5), sep = ""))


 
（3）查看矩阵与转化
> a_matrix
  Tr1 Tr2 Tr3 Tr4 Tr5
a 1 1 1 0 1
b 1 1 1 0 1
c 1 0 0 1 0
d 0 0 1 0 1
e 0 0 0 1 1

> trans2 <- as(a_matrix, "transactions")

（4）检查是否成功
> inspect(trans2)

3. 使用 dataframe 来产生：

（1）因子变量转化为数据框
> a_df <- data.frame(
 age = as.factor(c(6,8,7,6,9,5)),
 grade = as.factor(c(1,3,1,1,4,1)))

（2）转化

> trans3 <- as(a_df, "transactions")

（3）验证是否成功

> inspect(trans3)

4. 当 dataframe 中有缺失值时：

（1）取样样本
> a_df2 <- sample(c(LETTERS[1:5], NA),10,TRUE) #有缺失值
> a_df2
 [1] "C" "C" "D" "A" "A" "E" "A" "D" "E" NA

（2）转化为数据框
> a_df2 <- data.frame(X = a_df2, Y = sample(a_df2))
> a_df2
      X Y
1 C E
2 C A
3 D A
4 A C
5 A C
6 E E
7 A D
8 D A
9 E <NA>
10 <NA> D

（3）转换
> trans4 <- as(a_df2, "transactions")

（4）再转为数据框
> as(trans4, "data.frame")
 （5）检验是否成功
> inspect(trans4)

5. 当 dataframe 中包含交易ID 和交易物品时：

（1）数据源
> a_df3 <- data.frame(TID = c(1,1,2,2,2,3), item=c("a","b","a","b","c", "b"))
> a_df3
  TID item
1 1 a
2 1 b
3 2 a
4 2 b
5 2 c
6 3 b
（2）拆分转换
> trans5<- as(split(a_df3[,"item"], a_df3[,"TID"]), "transactions")
> inspect(trans5)

> LIST(trans5)
$`1`
[1] "a" "b"

$`2`
[1] "a" "b" "c"

$`3`
[1] "b"