从 TXT 加载频繁的子序列

Question

是否可以从.txt 文件中加载一个频繁子序列列表，并让TraMineR 将其识别为一个序列对象？

很遗憾，我没有原始数据，因此无法重新进行分析。我拥有的唯一文件是包含频繁子序列的 .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() 将其作为数据框读取，但据我所知，TraMineR 将事件序列作为具有许多附加属性的列表来处理，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

Answer 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。下面的函数可以处理您的数据

## 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)
 }

下面是您将如何在示例数据上使用它。

我们首先创建我们命名的数据框s.df

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

绘制事件序列

seqpcplot(seqe)

从 TXT 加载频繁的子序列

Load frequent subsequences from TXT

r

traminer