来自 spmf 的关联规则中的 R 子集

Posted 2023-03-23

【中文标题】来自 spmf 的关联规则中的 R 子集

【英文标题】：R subset in association rules from spmf

【发布时间】：2014-08-01 08:36:28

【问题描述】：

代码：

data=read.csv("./spmf1234.csv",header=F);

df<- data.frame(do.call('rbind', strsplit(as.character(data$V1),'#',fixed=F)));

df2<- data.frame(do.call('rbind', strsplit(as.character(df$X1),'==>',fixed=F)));

df3=cbind(df2,df);

colnames(df3)=c("lhs","rhs","rule","support","confidence","lift");

df4 <- subset(df3, select = c(lhs,rhs,support,confidence,lift));

final=subset(df4,lhs!=1);

我正在使用 fp-growth 从 spmf 获得的 csv 文件上尝试上述代码以获取关联规则。我希望删除所有在 lhs 中具有“1”的规则，但这不起作用。

csv 文件：

2 ==> 1 #SUP: 1 #CONF: 0.33333 #LIFT: 0.66667

1 ==> 2 #SUP: 1 #CONF: 0.33333 #LIFT: 0.66667

3 ==> 1 #SUP: 2 #CONF: 0.5 #LIFT: 1

1 ==> 3 #SUP: 2 #CONF: 0.66667 #LIFT: 1

3 ==> 2 #SUP: 2 #CONF: 0.5 #LIFT: 1

2 ==> 3 #SUP: 2 #CONF: 0.66667 #LIFT: 1

2 3 ==> 1 #SUP: 1 #CONF: 0.5 #LIFT: 1

1 3 ==> 2 #SUP: 1 #CONF: 0.5 #LIFT: 1

1 2 ==> 3 #SUP: 1 #CONF: 1 #LIFT: 1.5

3 ==> 1 2 #SUP: 1 #CONF: 0.25 #LIFT: 1.5

2 ==> 1 3 #SUP: 1 #CONF: 0.33333 #LIFT: 1

1 ==> 2 3 #SUP: 1 #CONF: 0.33333 #LIFT: 1

【参考方案1】：

final=subset(df4,lhs!=1) 

将字符与数字进行比较，这不起作用：

# > as.character(df4$lhs)
# [1] "2 "   "1 "   "3 "   "1 "   "3 "   "2 "   "2 3 " "1 3 " "1 2 " "3 "   "2 "   "1 "  

你可能想使用像这样的正则表达式：

final = subset(df4, !grepl("1\\b", lhs))
# > final
#    lhs   rhs support     confidence          lift
# 1    2     1  SUP: 1  CONF: 0.33333  LIFT: 0.66667
# 3    3     1  SUP: 2      CONF: 0.5        LIFT: 1
# 5    3     2  SUP: 2      CONF: 0.5        LIFT: 1
# 6    2     3  SUP: 2  CONF: 0.66667        LIFT: 1
# 7  2 3     1  SUP: 1      CONF: 0.5        LIFT: 1
# 10   3   1 2  SUP: 1     CONF: 0.25      LIFT: 1.5
# 11   2   1 3  SUP: 1  CONF: 0.33333        LIFT: 1

添加：

## data preperation
data <- readLines(con = textConnection("  
2 ==> 1 #SUP: 1 #CONF: 0.33333 #LIFT: 0.66667
1 ==> 2 #SUP: 1 #CONF: 0.33333 #LIFT: 0.66667
3 ==> 1 #SUP: 2 #CONF: 0.5 #LIFT: 1
1 ==> 3 #SUP: 2 #CONF: 0.66667 #LIFT: 1
3 ==> 2 #SUP: 2 #CONF: 0.5 #LIFT: 1
2 ==> 3 #SUP: 2 #CONF: 0.66667 #LIFT: 1
2 3 ==> 1 #SUP: 1 #CONF: 0.5 #LIFT: 1
1 3 ==> 2 #SUP: 1 #CONF: 0.5 #LIFT: 1
1 2 ==> 3 #SUP: 1 #CONF: 1 #LIFT: 1.5
3 ==> 1 2 #SUP: 1 #CONF: 0.25 #LIFT: 1.5
2 ==> 1 3 #SUP: 1 #CONF: 0.33333 #LIFT: 1
1 ==> 2 3 #SUP: 1 #CONF: 0.33333 #LIFT: 1"))
r <- regexec(pattern = "([0-9 ]+)\\s==>\\s([0-9 ]+)\\s\\#SUP:\\s([0-9.]+)\\s\\#CONF:\\s([0-9.]+)\\s\\#LIFT:\\s([0-9.]+)", 
             text = data)
m <- regmatches(data, r)
df <- setNames(as.data.frame(do.call(rbind, lapply(m, "[", -1)), stringsAsFactors = FALSE), 
               c("lhs", "rhs", "support", "confidence", "lift"))

## rows to include/exclude
include <- sapply(strsplit(df$lhs, " "), function(x) !any(as.integer(x) %in% 1:1000))
df[include, ]

【讨论】：

谢谢，这真的很有帮助。只有一个问题，如果我使用这种方法并且不想在 lhs（或 rhs）中包含数字列表，那么我必须在一次传递一个数字的循环中使用它。有没有其他更有效的方法来传递我不想包含在 lhs（或 rhs）中的完整数字列表

您可以用管道（或运算符）分隔数字列表。例如。 !grepl("\\b1\\b|\\b2\\b", lhs) 将排除 1 和 2。 \\b 是单词边界标记：regular-expressions.info/wordboundaries.html。

我正在尝试循环使用以下内容。请帮助：for(i in 0:1000) df2 = subset(df1, !grepl("\\bi\\b", lhs)) df1=df2

你最后想要完成什么？ for 循环对我来说在很多方面都没有意义，从 paste0("\\b", i, "\\b") 而不是 "\\b1\\b|\\b2\\b" 开始。

我想从数据集中删除所有这些行，其中包含 1,2,3 ... 直到 1000。