如何将含会话与动作的分组DataFrame转换为arules事务格式

嘿，我刚好处理过类似的需求，这就一步步教你怎么弄～首先得明确：你关注动作的发生顺序，但要注意，标准的apriori算法是处理无顺序的项集的，如果要分析带顺序的序列关联，得用arulesSequences包的序列挖掘工具，我会同时覆盖这两种场景：

1. 转成无顺序事务（适配apriori） #

这种情况会把每个会话里的重复动作去重，变成一个项集合，适合普通的关联规则分析。

具体步骤： #

• 先加载dplyr（用来分组聚合数据）和arules（处理事务）这两个包；
• 按session分组，把每个会话的动作合并成列表，顺便去重；
• 把列表转成arules认可的事务对象。

直接上代码：

# 加载需要的包
library(dplyr)
library(arules)

# 你的原始数据
x <- data.frame( 
  session=c("01","01","01","02","02", "02","03","03"), 
  action=c("a","b","a","c","a","c", "a","b")
)

# 按session分组，聚合动作成去重的列表
transactions_list <- x %>%
  group_by(session) %>%
  summarise(items = list(unique(action))) %>%  # unique()去掉重复动作
  pull(items)  # 提取出列表格式的列

# 转成事务对象
transactions <- as(transactions_list, "transactions")

# 看看转换后的结果
inspect(transactions)

运行后你会看到这样的输出，每个会话对应一个无顺序的项集：

items   transactionID
[1] {a,b}  01           
[2] {a,c}  02           
[3] {a,b}  03           

2. 保留动作顺序的序列格式（适配序列关联规则） #

既然你在意动作的发生顺序（比如会话01的a->b->a），那标准apriori就不太合适了，得用arulesSequences包来做序列挖掘，它能保留动作的先后顺序。

操作步骤： #

• 加载arulesSequences包；
• 按session分组，保留原始动作顺序（不去重）；
• 转成序列事务对象。

代码示例：

library(arulesSequences)

# 按session分组，保留动作的原始顺序（不去重）
sequence_list <- x %>%
  group_by(session) %>%
  summarise(items = list(action)) %>%
  pull(items)

# 转成序列事务对象
sequence_transactions <- as(sequence_list, "timedsequences")

# 查看保留顺序的结果
inspect(sequence_transactions)

输出会完整保留每个会话的动作序列：

items   transactionID
[1] <a,b,a> 01           
[2] <c,a,c> 02           
[3] <a,b>   03           

之后你就可以用对应的算法分析了：

• 无顺序事务用apriori()挖掘关联规则：

rules <- apriori(transactions, parameter = list(supp = 0.5, conf = 0.8))
inspect(rules)

• 带顺序的序列用cspade()挖掘序列关联规则：

seq_rules <- cspade(sequence_transactions, parameter = list(support = 0.5))
inspect(seq_rules)

小提醒 #

• 要是动作顺序对你的分析很关键，千万别用apriori，它完全不考虑顺序，序列挖掘才是正确的选择；
• 转换前一定要确保你的数据是按会话内动作的实际发生顺序排列的，不然序列分析结果会出错哦。

内容的提问来源于stack exchange，提问作者marqui