在 R 中创建市场篮子矩阵的有效方法

Question

我正在尝试从如下所示的数据创建一个购物篮矩阵：

input <- matrix( c(1000001,1000001,1000001,1000001,1000001,1000001,1000002,1000002,1000002,1000003,1000003,1000003,100001,100002,100003,100004,100005,100006,100002,100003,100007,100002,100003,100008), ncol=2)

这代表以下数据：

colnames(input) <- c( "Customer" , "Product" )

由此创建了一个矩阵，其中一个客户为一行，所有产品为列。这可以通过首先创建这个带有零的矩阵来实现：

input <- as.data.frame(input)
m <- matrix(0, length(unique(input$Customer)), length(unique(input$Product)))
rownames(m) <- unique(input$Customer)
colnames(m) <- unique(input$Product)

这一切都足够快（有 750 000+ 行的数据，创建一个 15000 x 1500 矩阵），但现在我想在适当的地方填充矩阵：

for( i in 1:nrow(input) ) {
    m[ as.character(input[i,1]),as.character(input[i,2])] <- 1
}

我认为必须有一种更有效的方法来做到这一点，正如我从 stackoverflow 中了解到的那样，通常可以避免 for 循环。那么问题来了，有没有更快的方法呢？

我需要矩阵中的数据，因为我想使用像插入符号这样的包。在那之后，我可能会遇到与R memory management advice (caret, model matrices, data frames) 相同的问题，但这是以后的问题。

Answer 1

您实际上并不需要reshape2； table 是您正在寻找的。

m1 <- as.matrix(as.data.frame.matrix(table(input)))

all.equal(m, m1)
TRUE

Answer 2

reshape2 包有一个可以完成这项工作的转换函数：

require(reshape2)
m <- acast(input, Customer ~ Product,function(x) 1,fill=0)
m

给我

        100001 100002 100003 100004 100005 100006 100007 100008
1000001      1      1      1      1      1      1      0      0
1000002      0      1      1      0      0      0      1      0
1000003      0      1      1      0      0      0      0      1

我希望这就是您要找的东西？

Answer 3

你可以使用稀疏矩阵：

library(Matrix)
input <- as.data.frame(apply(input,2,as.character))
m <- sparseMatrix( 
  i = as.numeric( input[,1] ),
  j = as.numeric( input[,2] ),
  x = 1,
  dim = c( length(levels(input[,1])), length(levels(input[,2])) ),
  dimnames = list( levels(input[,1]), levels(input[,2]) )
)
m
# 3 x 8 sparse Matrix of class "dgCMatrix"
#         100001 100002 100003 100004 100005 100006 100007 100008
# 1000001      1      1      1      1      1      1      .      .
# 1000002      .      1      1      .      .      .      1      .
# 1000003      .      1      1      .      .      .      .      1