识别时间序列中重复的数字序列答案

【问题标题】：Identifying repeated sequences of numbers in time series识别时间序列中重复的数字序列
【发布时间】：2018-02-06 11:11:59
【问题描述】：

我有一个长时间序列，我需要在其中识别和标记 R 中重复的值序列。假设我有以下向量：

a <- c(1,2,3,4,88,443,756,2,453,6,21,98,1,2,3,4,65)

请注意，序列 1、2、3、4 在开头重复，几乎在结尾重复。我想在很长的时间序列中识别和标记 n 的序列（n 可以设置）重复数字。这就是为什么我需要一个强大的方法来做到这一点。

非常感谢。

【问题讨论】：

...错误是什么？您的代码在哪里显示您尝试过的内容？
我只想知道如何用R语言来做
或许你需要rle(c(TRUE, diff(a) == 1))
@PoGibas 我们仍在测试它。我会告诉你。谢谢！！
@agenis 恐怕我不想找到重复数字的序列（2,2,2,2,3,3,3,3），而是重复的序列数字（2,43,12,3,2,43,12,3）。请注意细微差别；）

标签： r vector

【解决方案1】：

你可以使用这个功能：

identRptSeq <- function(x, N = 4) {
    # Create groups to split input vector in
    splits <- ceiling(seq_along(x) / N)
    # Use data.table shift to create overlapping windows
    foo <- lapply(data.table::shift(x, 0:(N-1), type = "lead"), function(x) {
                  res <- split(x, splits)
                  res[lengths(res) == N]})
    foo <- na.omit(t(as.data.frame(foo)))
    # Find duplicated windows
    foo[duplicated(foo), ]
}

# OPs input
a <- c(1,2,3,4,88,443,756,2,453,6,21,98,1,2,3,4,65)

# Duplicated sequence when N = 4
identRptSeq(a, 4)
[1] 1 2 3 4

# Duplicated sequences when N = 3
identRptSeq(a, 3)
     [,1] [,2] [,3]
X5      1    2    3
X5.1    2    3    4

PS，请记住，当 N = 1 时它不起作用（R 中有其他方法）

【讨论】：

【解决方案2】：

如果你有完全重复的模式，这只是 O(n)。（只需散列序列并查找冲突）

如果您有几乎重复的模式（并且正在通过欧几里德距离或相关性来衡量相似性），那么这是 O(N^2)，但 Matrix Profile 算法非常快 [a]。

[a]http://www.cs.ucr.edu/~eamonn/MatrixProfile.html

【讨论】：

我正在尝试查找用于转换为 R 的 sn-p finder 的 c++ 和数据集，但 [Snippet-Finder] (sites.google.com/site/snippetfinder) 它的 404. That’s an error.。很抱歉在 SOF 上跟踪你。