如何在R中转换数据集以适配购物篮分析的二元格式？

这里提供两种实用的方法来完成转换，分别适配通用数据处理场景和专业购物篮分析场景：

方法一：使用tidyverse工具包（通用数据处理） #

适合习惯用dplyr/tidyr做数据转换的场景，步骤直观易上手：

1. 加载所需工具包：

library(dplyr)
library(tidyr)
library(stringr) # 可选，用于清洗产品描述

2. 预处理数据（推荐执行）：
   • 移除缺失值
   • 统一产品描述格式（大小写、空格）
   • 去重同一交易内的重复产品（购物篮只关心是否存在，不关心购买次数）

# 假设原始数据框名为df
df_clean <- df %>%
  filter(!is.na(InvoiceNo), !is.na(Description)) %>%
  mutate(Description = str_to_lower(str_trim(Description))) %>%
  distinct(InvoiceNo, Description)

3. 转换为宽格式二元矩阵：

basket_df <- df_clean %>%
  pivot_wider(
    names_from = Description, # 产品名称作为列名
    values_from = Description, # 基于产品列生成标记值
    values_fn = ~1, # 产品存在则标记为1
    values_fill = 0 # 产品不存在则填充0
  )

转换完成后，每行对应一个InvoiceNo，每列对应一个产品，单元格的1/0分别代表该交易是否包含对应产品。

方法二：使用arules包（专业购物篮分析） #

arules是专门用于关联规则挖掘的工具包，其transactions对象是购物篮分析的标准格式，后续可直接用于Apriori等算法：

1. 加载包并完成数据转换：

library(arules)

# 先执行和方法一一致的预处理步骤
df_clean <- df %>%
  filter(!is.na(InvoiceNo), !is.na(Description)) %>%
  mutate(Description = str_to_lower(str_trim(Description))) %>%
  distinct(InvoiceNo, Description)

# 转换为transactions专用对象
transactions <- as(df_clean, "transactions")

# 若需要转换为普通二元矩阵格式：
basket_matrix <- as(transactions, "matrix")

transactions对象自带购物篮分析的专属属性，执行summary(transactions)即可查看交易数量、产品数量等核心信息。

关键注意点 #

• 确保InvoiceNo为字符或因子类型，避免被R误判为数值（比如带字母的交易编号）
• 同一交易内的重复产品必须去重，否则会导致标记逻辑错误
• 产品描述的一致性很关键，比如"Apple"和"apple"会被识别为两个不同产品，预处理时统一格式是必要的

内容的提问来源于stack exchange，提问作者Aldo Verdino