在R中生成产品组合ID列及可视化共同购买数据的方法

一、添加ID列 #

要生成每行对应的产品组合ID，用apply函数遍历每行数据，筛选出值为1的产品列名，再用paste拼接即可：

# 加载tibble包（如果还没加载）
library(tibble)

# 新增ID列
df$ID <- apply(df[, 1:9], 1, function(row) {
  # 取出当前行值为1的列名，用"-"拼接
  paste(names(row)[row == 1], collapse = "-")
})

运行后，第一行的ID就会变成pro2-pro4，完全符合需求。

二、可视化方案推荐 #

1. 横向条形图（最直观） #

用ggplot2做横向条形图，把购买次数作为横轴，产品组合作为纵轴，同时按次数降序排列，让高频组合优先展示：

library(ggplot2)

# 先按购买次数降序排序数据框
df_sorted <- df[order(-df$count), ]

ggplot(df_sorted, aes(x = count, y = reorder(ID, count))) +
  geom_bar(stat = "identity", fill = "#2E86AB") +
  labs(title = "产品组合购买次数分布",
       x = "购买次数",
       y = "产品组合") +
  theme_minimal() +
  theme(axis.text.y = element_text(size = 8)) # 调整纵轴标签字号，避免长组合名重叠

这个图能直接对比每个组合的热度，一眼就能看到哪些组合最受欢迎。

2. Top N组合条形图（避免拥挤） #

如果组合数量太多，全展示会显得杂乱，可以只保留Top N的高频组合，剩下的合并为“其他”：

# 设定要展示的Top数量
top_n <- 10

# 提取Top10组合
df_top <- head(df_sorted, top_n)
# 计算剩余组合的总次数，合并为"其他"
df_other <- tibble(
  ID = "其他",
  count = sum(tail(df_sorted$count, nrow(df_sorted) - top_n))
)
# 合并数据
df_combined <- rbind(df_top, df_other)

ggplot(df_combined, aes(x = count, y = reorder(ID, count))) +
  geom_bar(stat = "identity", fill = c(rep("#2E86AB", top_n), "#F2C14E")) +
  labs(title = "Top10产品组合购买次数",
       x = "购买次数",
       y = "产品组合") +
  theme_minimal()

这样图表更简洁，重点突出最热门的组合，同时也能看到剩余组合的总占比。

内容的提问来源于stack exchange，提问作者Jianyang Tai