TraMineR：如果我给出一个事件子序列，我能得到完整的序列吗？

Question

我有一个如下的序列数据集：

customerid    flag  0   1   2   3   4   5   6   7   8   9   10  11
abc234          1   3   4   3   4   5   8   4   3   3   2   14  14
abc233          0   4   4   4   4   4   4   4   4   4   4   4   4
qpr81           0   9   8   7   8   8   7   8   8   7   8   8   7
qnr94           0   14  14  14  2   14  14  14  14  14  14  14  14

0 到 11 列中的值是序列。有两组客户的标志 = 1 和标志 = 0，我对两组都有不同的事件序列。 （此处仅显示 2 组的频率和残差）

Subsequence Freq.0      Freq.1     Resid.0       Resid.1
(3>4)       0.19208177  0.0753386   5.540793    -21.43304
(4>5)       0.15752553  0.059960497 5.115241    -19.78691
(5>4)       0.15950556  0.062782167 5.037413    -19.48586

我想查找与事件序列匹配的客户 ID 和标志。

我应该编写一个 python 脚本来遍历交易还是在 R 中有一些直接的方法可以做到这一点？

`

CODE
--------------

library(TraMineR)

custid=c(a1,a2,a3,b4,b5,c6,c7,d8,d9)#sample customer ids
flag=c(0,0,0,1,0,1,1,0,1)#flag
col1=c(14,14,14,14,14,5,14,14,2)
col2=c(14,14,3,14,3,14,6,3,3)
col3=c(14,2,2,14,2,14,2,2,2)
col4=c(14,2,2,14,2,14,2,2,14)
df=data.frame(custid,flag,col1,col2,col3,col4)#dataframe generation
print(df)
#Defining sequence from col1 to col4
df.s<-seqdef(df,3:6)
print(df.s)
#finding the transitions
transition<-seqetm(df.s,method='transition')
print(transition)
#converting to TSE format
df.tse=seqformat(df.s,from='SPS',to='TSE',tevent = transition)
print(df.tse)
#Event sequence generation
df.seqe=seqecreate(id=df.tse$id,timestamp=df.tse$time,event=df.tse$event)
print(df.seqe)
#subsequences
fsubseq <- seqefsub(df.seqe, pMinSupport = 0.01)
print(fsubseq)
groups <- factor(df$flag>0,labels=c(1,0))
#finding differentiating event sequences based on flag using ChiSquare test
diff <- seqecmpgroup(fsubseq, group = df$flag, method = "chisq")

#Using seqeapplysub for finding the presence of subsequences?
presence=seqeapplysub(fsubseq,method="presence")
print(presence[1:3,3:1])

`

谢谢

Answer 1

据我了解，您有状态序列，并使用TraMineR 的seqecreate 函数将它们转换为事件序列。您正在考虑的事件是状态变化。因此(3>4) 代表只有一个事件的子序列，即事件3>4（从3 切换到4）。然后，您使用seqefsub 和seqecmpgroup 函数识别最能区分您的两个标志的事件子序列。

如果这是正确的，那么您可以使用seqeapplysub 函数识别包含每个子序列的序列。我无法在这里说明，因为您没有在问题中提供任何代码。看seqeapplysub函数的在线帮助。

======= 更新参考您添加的代码 =======

您可以通过以下方式获取包含最具辨别力的子序列的序列 ID。

首先，我们从您的 diff 对象中提取前三个最具区分性的序列。其次，我们计算presence 矩阵，该矩阵为每个提取的子序列提供一列，其中包含子序列的序列为 1，否则为 0。

diffseq <- seqefsub(df.seqe, strsubseq = paste(diff$subseq[1:3]))
(presence=seqeapplysub(diffseq, method="presence"))

现在你得到了第一个子序列的ID

custid[presence[,1]==1]

第二个是custid[presence[,2]==1] 等等。

同样你会得到标志

flag[presence[,1]==1]

希望这会有所帮助。