如何将arules包中稀疏矩阵形式的Groceries数据集转换为表格形式可视化查看？

Groceries数据集在arules中存储为transactions类型的稀疏itemMatrix结构，无法直接以普通表格形式浏览或适配常规可视化工具，可根据使用场景选择以下两种转换方案：

前置准备 #

首先加载依赖包与数据集：

# 加载arules包
library(arules)
# 加载内置Groceries数据集
data(Groceries)
# 确认对象结构
class(Groceries)
# 输出：[1] "transactions" "itemMatrix"

方案1：转换为宽格式稠密数据框 #

转换后每一行对应1笔独立交易，每一列对应1种在售商品，单元格值为逻辑值，标记该笔交易是否购买了对应商品，适合逐笔核查交易构成、绘制商品分布热图。
转换代码：

# 稀疏transactions对象强制转为稠密矩阵
g_dense_matrix <- as(Groceries, "matrix")
# 矩阵转常规R数据框
g_wide_df <- as.data.frame(g_dense_matrix)

转换后直接运行View(g_wide_df)即可打开全表浏览，表结构为9835行（总交易数）、169列（总商品数）。

方案2：转换为长格式整洁数据框 #

转换后无空值单元格，每一行对应「某笔交易中购买某件商品」的单条记录，完全适配ggplot2等绘图工具的输入规范，适合开展商品频次统计、品类销售占比类可视化。
转换代码：

# 将transactions转为列表结构，每个元素存单笔交易的商品集合
g_trans_list <- LIST(Groceries)
# 拼接为长表
g_long_df <- data.frame(
  transaction_id = rep(names(g_trans_list), lengths(g_trans_list)),
  item = unlist(g_trans_list)
)

转换后表结构为43367行（总实际购买条目数）、2列，可直接开展统计计算，比如绘制Top10热销商品条形图：

# 统计Top10热销商品
top_10_items <- sort(table(g_long_df$item), decreasing = TRUE)[1:10]
barplot(top_10_items)

注意事项 #

• 转换后的普通数据框仅适用于查看与可视化场景，后续开展关联规则挖掘时仍建议使用原始稀疏transactions对象，避免稠密表内存占用过高、计算效率下降
• 若觉得宽表列数过多浏览不便，可先通过itemFrequency()计算商品支持度，筛选高频商品列后再查看，减少无效信息干扰

内容的提问来源于stack exchange，提问作者user366312