Erstellen einer Co-Occupancy-Matrix aus einer .csv

Question

Ich versuche, eine Co-Occupancy-Matrix zu erstellen, um zu sehen, welche Keywords in meiner Datenbank häufig zusammen zugeordnet sind.

Die Daten sehen so aus, es ist eine .csv-Datei.

id, keywords 
1,  apple;pear 
2,  apple;cherry 
3,  pear;cherry 
4,  apple;cherry 

Und ich möchte so etwas wie dieses

  apple pear cherry 
apple  0  1  2 
pear  1  0  1 
cherry  2  1  0 

Das Ziel erreichen wäre dann d3.js zu verwenden, um die Matrix zu visualisieren.

Ich habe dies in der R-Tag veröffentlicht, weil ich es ein bisschen vorher für einige Klassen verwendet habe, also bin ich kein kompletter Neuling. Ich habe bei der Suche nach Lösungen gesehen, dass es auch möglich ist, Python zu verwenden, aber ich habe es nie in meinem Leben berührt.

Answer 1

Sie können die tidyr (und magrittr) Pakete und die table Funktion verwenden.

library(tidyr) 
library(magrittr) 
df <- data.frame(id = 1:4, keywords = c("apple;pear", "apple;cherry", "pear;cherry", "apple;cherry")) 

df2 <- df %>% separate(keywords, sep = ";", into = c("F1", "F2")) 

Dies ist die richtigen Ebenen in Ihren Zeilen/Spaltennamen haben.

df2$F1 %<>% factor() 
df2$F2 %<>% factor() 

df2$F1 <- factor(df2$F1, levels = unique(c(levels(df2$F1), levels(df2$F2)))) 
df2$F2 <- factor(df2$F2, levels = unique(c(levels(df2$F1), levels(df2$F2)))) 

Sie können nun Tabelle verwenden (es ist nicht symmetrisch ist, so verwenden +)

> table(df2$F1, df2$F2) + table(df2$F2, df2$F1) 

     apple pear cherry 
    apple  0 1  2 
    pear  1 0  1 
    cherry  2 1  0