在 R 中编辑 Arules 数据框答案

【问题标题】：Editing Arules Data Frame in R在 R 中编辑 Arules 数据框
【发布时间】：2014-11-26 07:27:31
【问题描述】：

您好，我已将我的规则转换为数据框以供进一步分析，但问题是我的数据框如下所示：

df <- data.frame(rules=c("{45107} => {62557}","{17759} => {60521 }",
"{53721} => {53720}","{63830} => {17753}","{45413} => {45412}",
"{3885,59800,17759} => {4749}","{17721,55906} => {9314}"))

    rules
{45107} => {62557}
{17759} => {60521 }
{53721} => {53720}
{63830} => {17753}
{45413} => {45412}
{3885,59800,17759} => {4749}
{17721,55906} => {9314}

你能帮我把我的数据框改成这种格式吗？

lhs1    lhs2    lhs3    rhs
45107           62557
17759           60521
53721           53720
63830           17753
45413           45412
3885    59800   17759   4749
17721   55906   9314

【问题讨论】：

@syan dasgupta，我已经将我的 arules 转换为数据框，所以我现在的问题是如何将我的列分成数据框中的多个列。这个问题实际上与规则无关。
哎呀对不起是的；明白了
很抱歉，但我认为=> 之后的所有数字都会进入rhs 列，而之前的所有数字都将在lhs. 列中“发送”？
@CathG 当我将 arules 更改为数据框时，我也是这么想的，但不幸的是它合并到 1 列称为规则。

标签： r arules

【解决方案1】：

你也可以做这样的事情，应该很高效。

library(splitstackshape)  ## for cSplit() and loads data.table package

dt <- data.table(
    do.call(rbind, strsplit(gsub("[{} ]", "", df$rules), "=>"))
)
cbind(cSplit(dt[, .(V1)], "V1", ","), dt[, .(V2)])

#     V1_1  V1_2  V1_3    V2
# 1: 45107    NA    NA 62557
# 2: 17759    NA    NA 60521
# 3: 53721    NA    NA 53720
# 4: 63830    NA    NA 17753
# 5: 45413    NA    NA 45412
# 6:  3885 59800 17759  4749
# 7: 17721 55906    NA  9314

【讨论】：

【解决方案2】：

使用您的 data.frame df 并将所有数字放在 => 之后的 rhs 中：

# define the number of maximum "lhs", there is 2 options :
   # option 1, if there are few rules and number of maximum "lhs" is obvious :
maxlhs<-3
   # option 2, if there are many many rules and you don't want to count all "lhs" :
maxlhs<-max(sapply(df$rules,FUN=function(x)length(gregexpr(',',x)[[1]]))) + 1 

# create your new data.frame by "reformatting" the rules
newdf<-t(apply(df,1,function(rule,maxlhs){
                split1<-strsplit(gsub("[ }{]","",rule),"=>")[[1]]
                split2<-strsplit(split1[1],",")[[1]]
                split2<-c(split2,rep(NA,maxlhs-length(split2)))
                return(as.numeric(c(split2,split1[2])))
                    },maxlhs=maxlhs))
# name the new data.frame's columns
colnames(newdf)<-c(paste0("lhs",1:maxlhs),"rhs")

> newdf
      lhs1  lhs2  lhs3   rhs
[1,] 45107    NA    NA 62557
[2,] 17759    NA    NA 60521
[3,] 53721    NA    NA 53720
[4,] 63830    NA    NA 17753
[5,] 45413    NA    NA 45412
[6,]  3885 59800 17759  4749
[7,] 17721 55906    NA  9314

可以吗，还是您希望新的 data.frame 与您的问题中显示的完全一样？

【讨论】：

您需要确定可能的lhs变量的最大数量为3。这里是硬编码的
@sayandasgupta，是的，你是对的，我会把它作为参数，谢谢！
使用这个maxlhs <- max(sapply(df$rules,FUN=function(x)length(gregexpr(',',x)[[1]]))) + 1
@sayandasgupta，虽然如果只有很少的规则可能没有必要，但如果有很多规则，这确实非常有用，所以，再次，你是对的，我会的添加该行，再次感谢。

【解决方案3】：

# your data
library(stringr)
data <- structure(list(rules = c("{45107} => {62557}", "{17759} => {60521 }", "{53721} =>     {53720}", "{63830} => {17753}", "{45413} => {45412}", "{3885,59800,17759} => {4749}", "{17721,55906} => {9314}")), .Names = "rules", class = "data.frame", row.names = c(NA, -7L))

# extract all numbers
lhs <- lapply(data, function(x) str_extract_all(x, "\\d+"))$rules
mx <- max(sapply(lhs, length))

do.call("rbind", lapply(lhs, function(x){
  if(length(x) < mx){
   return(c(unlist(x)[-length(x)], matrix(NA, 1, mx - length(x)), unlist(x)[length(x)]))
   } else {
   return(x)
}}))

     [,1]    [,2]    [,3]    [,4]   
[1,] "45107" NA      NA      "62557"
[2,] "17759" NA      NA      "60521"
[3,] "53721" NA      NA      "53720"
[4,] "63830" NA      NA      "17753"
[5,] "45413" NA      NA      "45412"
[6,] "3885"  "59800" "17759" "4749" 
[7,] "17721" "55906" NA      "9314"

【讨论】：