R 如何发现数字序列中的模式

我在R里有一个列表，其中每一行都是圣经文本的半节。列为：B（ook）、C（chapter）、V（erse）、H（alf-verse）和a1-a31。这些带有一个加号和一个整数的列是表示希伯来语cantillation标记的代码

我需要的是一种在数字序列中找到模式的方法，它告诉我哪些整数组合出现以及出现了多少次

例如：74加63是多少次；63前面加05的次数是多少

理想情况下，它也会告诉我两个以上的组合。例如：74前面加05，05前面加35的次数是多少

最后，我需要以某种方式绘制这张图表

下面是列表的标题和前3行

B,C,V,H,a1,a2,a3,a4,a5,a6,a7,a8,a9,a10,a11,a12,a13,a14,a15,a16,a17,a18,a19,a20,a21,a22,a23,a24,a25,a26,a27,a28,a29,a30,a31
Genesis,1,1,A,73,74,92 
Genesis,1,1,B,71,73,71,00
Genesis,1,2,A,81,71,3303,80,73,74,92

---

我有一个相当复杂的解决方案，不确定它是否是最好的。 我使用

data.table

进行重塑和数据处理

数据：

library(data.table)

df <- setDT(read.table(text="
B,C,V,H,a1,a2,a3,a4,a5,a6,a7
Genesis,1,1,A,73,74,92,NA,NA,NA,NaN 
Genesis,1,1,B,71,73,71,00,NA,NA,NA
Genesis,1,2,A,81,71,3303,80,73,74,92",h=T,sep = ","))

连接由

指定的plouf所有列的前3行。SDcols=grep（“Genesis”，names（plouf），value=T）

这是从《创世纪》开始的专栏。对3行的所有连续组合执行此操作，并将输出转换为向量，得到向量

allcomb

。它包含与NA的组合，您可以清洁：

allcomb <- allcomb[!grepl("NA",allcomb)]

Genesis_1_1_A Genesis_1_1_B Genesis_1_2_A Genesis_1_1_B Genesis_1_2_A Genesis_1_2_A Genesis_1_2_A Genesis_1_2_A 
   "73,74,92"    "71,73,71"  "81,71,3303"     "73,71,0"  "71,3303,80"  "3303,80,73"    "80,73,74"    "73,74,92" 

向量

allcomb

包含将组合作为列名的名称。因此，您可以找到每个重复：

sapply(unique(allcomb),function(comb){
  names(allcomb[grep(comb,allcomb)])}
  )

    $`73,74,92`
[1] "Genesis_1_1_A" "Genesis_1_2_A"

$`71,73,71`
[1] "Genesis_1_1_B"

$`81,71,3303`
[1] "Genesis_1_2_A"

$`73,71,0`
[1] "Genesis_1_1_B"

$`71,3303,80`
[1] "Genesis_1_2_A"

$`3303,80,73`
[1] "Genesis_1_2_A"

$`80,73,74`
[1] "Genesis_1_2_A"

---

我有一个相当复杂的解决方案，不确定它是否是最好的。 我使用

data.table

进行重塑和数据处理

数据：

library(data.table)

df <- setDT(read.table(text="
B,C,V,H,a1,a2,a3,a4,a5,a6,a7
Genesis,1,1,A,73,74,92,NA,NA,NA,NaN 
Genesis,1,1,B,71,73,71,00,NA,NA,NA
Genesis,1,2,A,81,71,3303,80,73,74,92",h=T,sep = ","))

连接由

指定的plouf所有列的前3行。SDcols=grep（“Genesis”，names（plouf），value=T）

这是从《创世纪》开始的专栏。对3行的所有连续组合执行此操作，并将输出转换为向量，得到向量

allcomb

。它包含与NA的组合，您可以清洁：

allcomb <- allcomb[!grepl("NA",allcomb)]

Genesis_1_1_A Genesis_1_1_B Genesis_1_2_A Genesis_1_1_B Genesis_1_2_A Genesis_1_2_A Genesis_1_2_A Genesis_1_2_A 
   "73,74,92"    "71,73,71"  "81,71,3303"     "73,71,0"  "71,3303,80"  "3303,80,73"    "80,73,74"    "73,74,92" 

向量

allcomb

包含将组合作为列名的名称。因此，您可以找到每个重复：

sapply(unique(allcomb),function(comb){
  names(allcomb[grep(comb,allcomb)])}
  )

    $`73,74,92`
[1] "Genesis_1_1_A" "Genesis_1_2_A"

$`71,73,71`
[1] "Genesis_1_1_B"

$`81,71,3303`
[1] "Genesis_1_2_A"

$`73,71,0`
[1] "Genesis_1_1_B"

$`71,3303,80`
[1] "Genesis_1_2_A"

$`3303,80,73`
[1] "Genesis_1_2_A"

$`80,73,74`
[1] "Genesis_1_2_A"

---

整数可以有多高（它们有界吗？）我看到一个是3303（或者这是一个拼写错误？），不，这不是一个拼写错误。有些单元格有4、6或8个数字。这是因为特定单词有2个、3个或4个重音，每个重音都有2个数字。最高的数字是74330305如果有必要，我可以将所有编号的代码更改为更合理的代码。例如，从1到40左右。因此，您希望找到“n-grams”。我没有这样做的经验，但我知道“tm”软件包可以在文本中找到ngrams。我不确定它是否能处理整数。谢谢Joe，n-gram软件包完成了这项工作。它也可以处理数字。整数可以有多高（它们有界吗？）我看到一个是3303（或者是打字错误？）。不，不是打字错误。有些单元格有4、6或8个数字。这是因为特定单词有2个、3个或4个重音，每个重音都有2个数字。最高的数字是74330305如果有必要，我可以将所有编号的代码更改为更合理的代码。例如，从1到40左右。因此，您希望找到“n-grams”。我没有这样做的经验，但我知道“tm”软件包可以在文本中找到ngrams。我不确定它是否能处理整数。谢谢Joe，n-gram软件包完成了这项工作。它也能处理数字。这是一个非常逼真的丹尼斯。非常感谢，我也会试试这个。这是一个很有特色的丹尼斯。非常感谢，我也会试试这个。

> table(allcomb)
3303,80,73 71,3303,80   71,73,71    73,71,0   73,74,92   80,73,74 81,71,3303 
     1          1          1          1          2          1          1 

sapply(unique(allcomb),function(comb){
  names(allcomb[grep(comb,allcomb)])}
  )

    $`73,74,92`
[1] "Genesis_1_1_A" "Genesis_1_2_A"

$`71,73,71`
[1] "Genesis_1_1_B"

$`81,71,3303`
[1] "Genesis_1_2_A"

$`73,71,0`
[1] "Genesis_1_1_B"

$`71,3303,80`
[1] "Genesis_1_2_A"

$`3303,80,73`
[1] "Genesis_1_2_A"

$`80,73,74`
[1] "Genesis_1_2_A"