如何将CSV导入的关联规则转为R的rules对象并实现可视化？

1. 确认CSV导出的字段完整性 #

确保你导出的CSV文件包含规则的左部（lhs）、右部（rhs）、支持度（support）、置信度（confidence）、**提升度（lift）**核心字段，且lhs/rhs保留{项1, 项2}这类标准项集格式。

2. 导入CSV并转换为rules对象 #

步骤1：导入筛选后的规则数据 #

rules_df <- read.csv("filtered_rules.csv", stringsAsFactors = FALSE)

步骤2：解析文本格式的项集 #

arules的rules对象要求lhs和rhs为itemMatrix类型，需将CSV中的文本项集转换为对应格式：

library(arules)

# 解析左部项集
rules_df$lhs <- as(lapply(rules_df$lhs, function(x) {
  # 移除大括号，分割单个项
  items <- strsplit(gsub("[{}]", "", x), ", ")[[1]]
  as(items, "itemMatrix")
}), "itemMatrix")

# 解析右部项集
rules_df$rhs <- as(lapply(rules_df$rhs, function(x) {
  items <- strsplit(gsub("[{}]", "", x), ", ")[[1]]
  as(items, "itemMatrix")
}), "itemMatrix")

注：如果你的CSV项集格式无大括号或分隔符不同，需调整gsub和strsplit的匹配参数。

步骤3：构造标准rules对象 #

用new()函数直接生成符合arules要求的规则对象：

filtered_rules <- new("rules",
  lhs = rules_df$lhs,
  rhs = rules_df$rhs,
  quality = data.frame(
    support = as.numeric(rules_df$support),
    confidence = as.numeric(rules_df$confidence),
    lift = as.numeric(rules_df$lift)
    # 若有其他导出的度量字段，可在此添加
  )
)

3. 验证并可视化 #

完成转换后即可正常使用arulesViz可视化：

# 验证规则对象类型
class(filtered_rules)
# 查看规则详情
inspect(filtered_rules)
# 可视化规则
library(arulesViz)
plot(filtered_rules)

内容的提问来源于stack exchange，提问作者drtamakloe