R语言：如何产生关联分析的输入数据

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。
一、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)
二、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)
 
三、使用 data frame 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)
 
四、当 data frame 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)
   
五、当 data frame 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"