我有一个篮子格式的数据框，如下所示：
V1 <- c('milk', 'beer', 'wrench', 'milk' )
V2 <- c('eggs', 'elbow grease', '', 'beer')
V3 <- c('water', '', '', '')
df <- data.frame(V1, V2, V3)
输出：
V1 V2 V3
1 milk eggs water
2 beer elbow grease
3 wrench
4 milk beer
我想要生成的是单一格式的数据帧，如下所示：
transaction product
1 1 milk
2 1 eggs
3 1 water
4 2 beer
5 2 elbow grease
6 3 wrench
7 4 milk
8 4 beer
现在，我想要数据框中的数据，所以我可以在切换到apriori R包使用的事务格式之前进行过滤。
将此数据框从一种格式转换为单一格式的最快方法是什么？
现在我正在使用一个非常慢的循环。
dfSingle <- data.frame(product = character(),
transaction = integer())
for (row in 1:nrow(df)) {
# Create a list of products
productList <- unname(unlist(df[row, ]))
# Remove blank spaces
productList <- productList[!productList %in% ""]
# Convert to a dataframe
dfTemp <- as.data.frame(productList)
colnames(dfTemp) <- "product"
dfTemp$transaction <- row
# Bind to larger dataframe with previous rows
dfSingle <- rbind(dfSingle, dfTemp)
}
我曾考虑使用apply将此函数应用于每一行，但我对如何将多个结果行绑定到前一行的结果感到困惑。
或数据表格方法（单行）
首先融化从rownames获取事务：setDT(df)[, transaction := .I ]然后融化，使用事务作为id-column：melt( ... , id = "transaction" )最后删除空值并返回第一和第三列：...[!value == "", c(1,3) ]
melt( setDT(df)[, transaction := .I ], id = "transaction" )[!value == "", c(1,3) ]
# transaction value
# 1: 1 milk
# 2: 2 beer
# 3: 3 wrench
# 4: 4 milk
# 5: 1 eggs
# 6: 2 elbow grease
# 7: 4 beer
# 8: 1 water
你可以使用stack。诀窍是转置你的数据框，即
df1 <- stack(as.data.frame(t(df), stringsAsFactors = FALSE))
df1[df1$values != '',]
values ind
#1 milk V1
#2 eggs V1
#3 water V1
#4 beer V2
#5 elbow grease V2
#7 wrench V3
#10 milk V4
#11 beer V4
注意：一个简单的rgex只能从ind列中提取数字，即
df1$ind <- gsub('\\D+', '', df1$ind)
哪个会给，
values ind 1 milk 1 2 eggs 1 3 water 1 4 beer 2 5 elbow grease 2 7 wrench 3 10 milk 4 11 beer 4
使用tidyverse，您可以：
df %>%
mutate_all(funs(ifelse(. == "", NA_character_, paste0(.)))) %>%
rowid_to_column(var = "transaction") %>%
gather(var, product, -transaction, na.rm = TRUE) %>%
select(-var) %>%
arrange(transaction)
transaction product
1 1 milk
2 1 eggs
3 1 water
4 2 beer
5 2 elbow grease
6 3 wrench
7 4 milk
8 4 beer
首先，它用NA_character_替换空行。其次，它创建一个带有行ID的变量，称为“事务”。第三，它将数据从宽格式转换为长格式，并使用NA_character_删除行。最后，它根据“交易”排列数据。
用适当的格式""替换字符NA后，您可以创建一个新的列事务，然后使用reshape2::melt：
df[df == ""] <- NA
df$transaction <- 1:nrow(df)
然后：
melted_df <- na.omit(reshape2::melt(data=df, id.vars="transaction"))
产量：
> melted_df
transaction variable value
1 1 V1 milk
2 2 V1 beer
3 3 V1 wrench
4 4 V1 milk
5 1 V2 eggs
6 2 V2 elbow grease
8 4 V2 beer
9 1 V3 water
这个函数的好处是它会给你一个variable列，它给你以前的df data.frame列的名称。如果它与您无关，请使用df$variable <- NULL删除此列。如果您还想通过增加事务顺序对结果进行排序：
out <- melted_df[order(melted_df$transaction), ]
最终产生：
> out
transaction value
1 1 milk
5 1 eggs
9 1 water
2 2 beer
6 2 elbow grease
3 3 wrench
4 4 milk
8 4 beer
另一个基地R替代方案：
do.call(
rbind,
sapply(seq_along(df), function(i) cbind(transaction = i, product = df[[i]][nzchar(df[[i]])]))
)
transaction product
[1,] "1" "milk"
[2,] "1" "beer"
[3,] "1" "wrench"
[4,] "1" "milk"
[5,] "2" "eggs"
[6,] "2" "elbow grease"
[7,] "2" "beer"
[8,] "3" "water"