方剂中的高频单味两味和三味中药R语言进行关联规则分析！

　　背景介绍
　　如果有一组方剂， 如下图所示 ，你想从中挖掘出常用的单味、单味、两味、三味中药  ，你该怎么去做？
　　今天我们使用 R语言的办法来进行挖掘分析 ，看看能挖掘出什么东西来？
　　软件介绍
　　[软件名称]：R；RStudio 教程介绍
　　1.首先我们使用在 RStudio  中设定运行的文件夹，然后加载需要的R包，最后读取数据# 设定文件夹 setwd(＂D:Desktop＂)  # 加载需要的包 # 数据处理绘图用 library(tidyverse) # 读取excel用 library(openxlsx) # 关联规则用 library(arules)  # 读取excel数据 data <- read.xlsx(＂example.xlsx＂)
　　2.接下来我们自建个函数，将方剂列分开成单味中药（ 我构建的这个函数，可以分单个方剂中药物为24个的，自己的是多少可以酌情增加或减少；中药之间使用的是顿号，所以以＂、＂分隔 ）# 自建函数 TCM2dataframe <-  function(TCM){   # TCM为中药方剂的列，之间使用＂、＂分割   TCM_split = TCM%>%str_split(＂、＂)   TCM_rbind = cbind(     TCM1 =  sapply(TCM_split, ＂[＂,1)%>%as.data.frame(),     TCM2 =  sapply(TCM_split, ＂[＂,2)%>%as.data.frame(),     TCM3 =  sapply(TCM_split, ＂[＂,3)%>%as.data.frame(),     TCM4 =  sapply(TCM_split, ＂[＂,4)%>%as.data.frame(),     TCM5 =  sapply(TCM_split, ＂[＂,5)%>%as.data.frame(),     TCM6 =  sapply(TCM_split, ＂[＂,6)%>%as.data.frame(),     TCM7 =  sapply(TCM_split, ＂[＂,7)%>%as.data.frame(),     TCM8 =  sapply(TCM_split, ＂[＂,8)%>%as.data.frame(),     TCM9 =  sapply(TCM_split, ＂[＂,9)%>%as.data.frame(),     TCM10 = sapply(TCM_split, ＂[＂,10)%>%as.data.frame(),     TCM11 = sapply(TCM_split, ＂[＂,11)%>%as.data.frame(),     TCM12 = sapply(TCM_split, ＂[＂,12)%>%as.data.frame(),     TCM13 = sapply(TCM_split, ＂[＂,13)%>%as.data.frame(),     TCM14 = sapply(TCM_split, ＂[＂,14)%>%as.data.frame(),     TCM15 = sapply(TCM_split, ＂[＂,15)%>%as.data.frame(),     TCM16 = sapply(TCM_split, ＂[＂,16)%>%as.data.frame(),     TCM17 = sapply(TCM_split, ＂[＂,17)%>%as.data.frame(),     TCM18 = sapply(TCM_split, ＂[＂,18)%>%as.data.frame(),     TCM19 = sapply(TCM_split, ＂[＂,19)%>%as.data.frame(),     TCM20 = sapply(TCM_split, ＂[＂,20)%>%as.data.frame(),     TCM21 = sapply(TCM_split, ＂[＂,21)%>%as.data.frame(),     TCM22 = sapply(TCM_split, ＂[＂,22)%>%as.data.frame(),     TCM23 = sapply(TCM_split, ＂[＂,23)%>%as.data.frame(),     TCM24 = sapply(TCM_split, ＂[＂,24)%>%as.data.frame())      colnames(TCM_rbind) <- paste0(＂中药＂,1:24)   return(TCM_rbind) }  # 整合表格并写入csv文件 TCM2dataframe(data$方剂)%>%   write.csv(file = ＂TCM_2.csv＂)
　　3.读取刚才保存的那个 csv  文件，查看数据类型前5个# 读取csv文件 transdata0 <- read.transactions(＂TCM_2.csv＂,                   format = c(＂basket＂),                   header = TRUE,                   sep = ＂,＂,                   cols = 1,                   rm.duplicates = TRUE)  # 查看数据类型 inspect(transdata0[1:5])
　　4.计算高频词的单味中药，此时，计算的频次就出来了 # 高频词中药计算 TCM_Freq <- itemFrequency(x = transdata0,＂absolute＂)%>%   sort(decreasing = TRUE)%>%   as.data.frame() TCM_Freq <- TCM_Freq%>%   mutate(＂中药名称＂ = rownames(TCM_Freq), .before = 1) TCM_Freq
　　5.我们开始对这个数据进行绘图，同时使用程序保存图片 # 绘制柱状图 library(ggsci) TCM_Freq$中药名称<- factor(TCM_Freq$中药名称,levels = TCM_Freq$中药名称) p1 <- ggplot(TCM_Freq[1:10,],aes(x = reorder(中药名称,.),.,                             fill = 中药名称,                             label = .))+   geom_bar(stat=＂identity＂,width = 0.8)+   coord_flip()+   scale_fill_aaas()+   labs(x = ＂中药名称＂,y = ＂频次＂)+   scale_y_continuous(limits = c(0,35),expand = c(0,0))+   geom_label(nudge_y = 2)+   theme_bw()+   theme(legend.position = ＂none＂,         axis.title = element_text(size = 12,face = ＂bold＂),         axis.text = element_text(size = 10,face = ＂bold＂),         text = element_text(family = ＂serif＂))  tiff(＂中药词频柱状图.tif＂,     width = 11,height = 9,     units = ＂cm＂,res = 300,     compression = ＂lzw＂,) p1 dev.off()
　　6.接下来我们使用关联规则进行两味及其以上的组合分析，首先利用算法分析关联规则 # 分析关联规则 myrules <- apriori(transdata0,                    parameter = list(supp = 0.07,                                     conf = 0.6,                                     target = ＂rules＂))  summary(myrules)
　　7.将结果按照出现的频次进行排序，结果转化为dataframe # 按照出现的频次进行排序 myrules.conf <- sort(myrules,by=＂count＂,decreasing = T) TCM_FJ <- inspect(myrules.conf)%>%as.data.frame()
　　8.将 dataframe  中第一和第二列数据中的括号取消，使用paste0函数将两列粘贴在一起生成新的列# 去除掉左右的{} TCM_FJ$lhs <- gsub(＂[{}]＂,＂＂,TCM_FJ$lhs) TCM_FJ$rhs <- gsub(＂[{}]＂,＂＂,TCM_FJ$rhs) TCM_FJ组合` <- paste0(TCM_FJ$lhs,＂, ＂,TCM_FJ$rhs) TCM_FJ
　　9.我们会发现，生成的数据中，有些数据是重复的，如第8和9行，为 石菖蒲、远志、白芍 和白芍、远志、石菖蒲 ，所以我们保留一个组合就可以了，使用下面函数进行排序并去除掉一个，写成excel文件  # 将组合的列中的中药排序，去除重复内容 TCM_FJ$组合 <- sapply(TCM_FJ$组合,                     function(x) sort(unlist(str_split(x,＂, ＂)))) TCM_FJ <- TCM_FJ[!duplicated(TCM_FJ$组合),]  write.xlsx(TCM_FJ,＂temp.xlsx＂)
　　10.最后，我们要人工将 count列 和组合列 进行筛选，如两味药的前10名  和三味药的前10名  ，整理出来，如下所示
　　11.最终使用R语言对其进行绘图即可，保存图片用于发表文章 # 绘图2味药物 TCM_2 <- read.xlsx(＂temp.xlsx＂,sheet = 2) TCM_2$组合<- factor(TCM_2$组合,levels = TCM_2$组合) p_2 <- ggplot(TCM_2,aes(x = reorder(组合,count),count,                            fill = 组合,                            label = count))+   geom_bar(stat=＂identity＂,width = 0.8)+   coord_flip()+   scale_fill_npg()+   labs(x = ＂配对中药(2味)＂,y = ＂频次＂)+   scale_y_continuous(limits = c(0,25),expand = c(0,0))+   geom_label(nudge_y = 2)+   theme_bw()+   theme(legend.position = ＂none＂,         axis.title = element_text(size = 12,face = ＂bold＂),         axis.text = element_text(size = 10,face = ＂bold＂),         text = element_text(family = ＂serif＂)) tiff(＂配对中药(2味).tif＂,      width = 11,height = 9,      units = ＂cm＂,res = 300,      compression = ＂lzw＂,) p_2 dev.off()
　　12.绘制 3味药物  的图形并进行保存# 绘图3味药物 TCM_3 <- read.xlsx(＂temp.xlsx＂,sheet = 3) TCM_3$组合<- factor(TCM_3$组合,levels = TCM_3$组合) p_3 <- ggplot(TCM_3,aes(x = reorder(组合,count),count,                  fill = 组合,                  label = count))+   geom_bar(stat=＂identity＂,width = 0.8)+   coord_flip()+   scale_fill_npg()+   labs(x = ＂配对中药(3味)＂,y = ＂频次＂)+   scale_y_continuous(limits = c(0,20),expand = c(0,0))+   geom_label(nudge_y = 1)+   theme_bw()+   theme(legend.position = ＂none＂,         axis.title = element_text(size = 12,face = ＂bold＂),         axis.text = element_text(size = 10,face = ＂bold＂),         text = element_text(family = ＂serif＂))  tiff(＂配对中药(3味).tif＂,      width = 11,height = 9,      units = ＂cm＂,res = 300,      compression = ＂lzw＂,) p_3 dev.off()
　　13.好了，这就是今天讲解的，如何从一组方剂中，挖掘出频次最高的单味、两味、三味中药！