从 TXT 加载频繁子序列答案

【问题标题】：Load frequent subsequences from TXT从 TXT 加载频繁子序列
【发布时间】：2015-04-12 10:02:32
【问题描述】：

是否可以从 .txt 文件中加载频繁子序列的列表，并使 TraMineR 将其识别为序列对象？

很遗憾，我没有原始数据，因此无法重新创建分析。我拥有的唯一文件是一个包含频繁子序列的 .txt 文件。我假设它是使用 TraMineR 包中的 seqefsub() 函数和 maxGap=2 创建的，因为数据看起来像是上述函数的输出。

read.table() 将其读取为数据框，但据我了解，TraMineR 将事件序列处理为具有许多附加属性的列表，例如，这些属性不包含在此文件中。或者我不知道如何提取它们......

.txt 文件中的几行如下所示：

                                             Subsequence    Support  Count
16                                           (WT4)-(WT3) 0.76666667    805
17                                                 (WL2) 0.76380952    802
18                                                  (S1) 0.76000000    798
19                                             (FRF,WL2) 0.74380952    781
20                                           (WT2)-(WT1) 0.70571429    741

【问题讨论】：

为什么要将seqefsub的结果打印保存为文本，然后作为序列对象读回？ seqefsub 函数已经返回一个事件序列对象。是否要将事件序列对象转换为状态序列对象？（如果是，请查看 [stackoverflow.com/a/28968342/1586731]）。请澄清您的问题。
@Gilbert - 我已经编辑了我的问题，希望现在更清楚了。

标签： r traminer

【解决方案1】：

要从（文本）子序列创建事件序列对象，您必须将它们转换为垂直时间戳事件 (TSE) 形式。下面的函数为您的数据完成工作

## Function subseq.to.TSE
##  puts the sequences into TSE format using
##  position as timestamp
##  sdf: a data frame with columns Id, Subsequence, Support and Count.

subseq.to.TSE <- function(sdf){
  tse <- data.frame(id=0, event="", time=0)
  k <- 0
  for (i in 1:nrow(sdf)){
    id <- sdf[i,"Id"]
    s <- sdf[i,"Subsequence"]
    ss <- gsub("\\(","",s)
    ss <- gsub("\\)","",ss)
    # split transitions
    st <- strsplit(ss, split="-")[[1]]
    for (j in 1:length(st)){
      stt <- strsplit(st[j], split=",")[[1]]
      for(jj in 1:length(stt)){
        k <- k+1
        tse[k,1] <- id
        ## parsing for simultaneous events
        if (!(stt[jj] %in% levels(tse[,2])))
          {levels(tse[,2]) <- c(levels(tse[,2]),stt[jj])}
        tse[k,2] <- stt[jj]
        tse[k,3] <- j
      }
    }
  }

  return(tse)
 }

这是您在示例数据上使用它的方法。

我们首先创建我们命名为s.df的数据框

s.df <- data.frame(scan(what=list(Id=0, Subsequence="", Support=double(), Count=0)))
16 (WT4)-(WT3) 0.76666667    805
17 (WL2) 0.76380952    802
18 (S1) 0.76000000    798
19 (FRF,WL2) 0.74380952    781
20 (WT2)-(WT1) 0.70571429    741

# leave a blank line to end the scan

然后我们从s.df 中提取TSE 数据，并使用seqecreate 从中创建事件序列对象。最后，我们将计数分配为序列权重。

s.tse <- subseq.to.TSE(s.df)
seqe <- seqecreate(s.tse)
seqeweight(seqe) <- s.df[,"Count"]

现在您可以使用例如绘制事件序列

seqpcplot(seqe)

【讨论】：