Próbuję sformatować kolumnę danych w wielu kolumnach binarnych, aby ostatecznie wykorzystać do eksploracji reguł asocjacyjnych. Osiągnąłem pewien sukces za pomocą pętli for i prostej macierzy tripletów, ale nie jestem pewien, jak agregować dane przez poziomy w pierwszej kolumnie - podobnie jak w przypadku grupy według instrukcji w SQL. Podałem przykład poniżej, aczkolwiek z dużo mniejszym zbiorem danych - jeśli się powiedzie, mój aktualny zestaw danych będzie wynosił 4200 wierszy o 3.902 kolumn, więc każde rozwiązanie musi być skalowalne. Wszelkie sugestie i alternatywne podejścia byłyby bardzo mile widziane!Konwertuj dane wiersza na kolumny binarne
> data <- data.frame(a=c('sally','george','andy','sue','sue','sally','george'), b=c('green','yellow','green','yellow','purple','brown','purple'))
> data
a b
1 sally green
2 george yellow
3 andy green
4 sue yellow
5 sue purple
6 sally brown
7 george purple
x <- data[,1]
for(i in as.numeric(2:ncol(data)))
x <- cbind(x, simple_triplet_matrix(i=1:nrow(data), j=as.numeric(data[,i]),
v = rep(1,nrow(data)), dimnames = list(NULL, levels(data[,i]))))
##Looks like this:
> as.matrix(x)
name brown green purple yellow
[1,] "sally" "0" "1" "0" "0"
[2,] "george" "0" "0" "0" "1"
[3,] "andy" "0" "1" "0" "0"
[4,] "sue" "0" "0" "0" "1"
[5,] "sue" "0" "0" "1" "0"
[6,] "sally" "1" "0" "0" "0" ##Need to aggregate by Name
##Would like it to look like this:
name brown green purple yellow
[1,] "sally" "1" "1" "0" "0"
[2,] "george" "0" "0" "0" "1"
[3,] "andy" "0" "1" "0" "0"
[4,] "sue" "0" "0" "1" "1"
Dlaczego chcesz wszystko jako znak? Czy 'as.data.frame.matrix (dane)' osiąga to, co chcesz? – A5C1D2H2I1M1N2O1R2T1