基于Apriori算法的市场篮子分析：R语言订单商品聚合数据准备

针对你提供的订单-商品多行数据集，这里提供两种适配Apriori算法的数据准备方案：

方案1：按订单聚合商品为字符串/列表 #

如果需要将同一订单的商品合并到单行，可以用dplyr包的分组聚合功能处理非数值型数据：

library(dplyr)

# 聚合为逗号分隔的商品字符串
df_agg_str <- df %>%
  group_by(order_id) %>%
  summarise(products = paste(product_name, collapse = ", ")) %>%
  ungroup()

# 聚合为商品列表（更适合后续灵活处理）
df_agg_list <- df %>%
  group_by(order_id) %>%
  summarise(products = list(product_name)) %>%
  ungroup()

方案2：转换为Apriori专用的交易对象（推荐） #

做关联规则分析时，arules包是R中最常用的工具，它支持直接将你的原始数据集转换为transactions对象——这是Apriori算法的标准输入格式，无需手动聚合：

library(arules)

# 将原始数据框转换为transactions对象
trans <- as(df, "transactions")

# 查看转换后的交易记录
inspect(trans)

转换后每个订单对应一条交易记录，包含该订单下的所有商品，可直接传入apriori()函数执行分析：

# 运行Apriori算法
rules <- apriori(trans, parameter = list(supp = 0.1, conf = 0.8))

如果需要二进制矩阵格式（每行是订单，每列是商品，值为1表示该订单包含对应商品），可以进一步转换：

binary_matrix <- as(trans, "matrix")

内容的提问来源于stack exchange，提问作者Timothy Roy