R 计算子集成员共现和组字母长度

在R中是否有一种方法可以计算序列中状态共现的模式，即在元素顺序不一定重要的组上工作？其目的是找出在更长的分组中出现较大分组的情况有多普遍

例如，输入数据集可能是这样的（“真实”数据序列最多10列宽，1000行深）

结果可能会显示

abcd, abcd*  

作为一个集合或类，其计数表示出现的次数，例如，.*表示子集或“其他成员”类别，并基于

length（）

进行评分

结果还将表明

abcde

作为一个不同的、稍微罕见的集合或类，分数越高，反映的

length（）

越长

最后

abc*

会有较高的计数分数，但较低的

length（）

像Traminer这样在无序（无序？）群体中工作的东西会很好。我注意到可能存在计算负载的问题，但是如果我需要剪掉牙齿来编写程序，我会考虑这一点（即某种琐碎的阈值）。
 < P>这是一个函数，它按字母顺序排序每个序列中的元素，然后提取排序序列的连续不同的状态。
dssort <- function(seqdata){
  ssort <- t(apply(seqdata, MARGIN=1, sort))
  ssort.seq <- seqdef(ssort, states=alphabet(seqdata), labels=stlab(seqdata))
  sdss  <- seqdef(seqdss(ssort.seq), missing="%")
  sdss
} 

因此，您知道94个序列包含元素
FE
和
EM
，只有这两个，84个具有
EM
和
TR
，没有其他状态，57个具有
EM
，
JL
和
TR

您还可以使用
seqfplot（set）
绘制频繁集

不确定这是否是你正在寻找的，但希望它能帮助你

====

以下是如何摆脱无用的“/1”

我要补充的是，全球字母表大约有20个字符或因子，并且可能有重复的一行。非常感谢。该函数工作正常，但如果我更改了行的ssort，我应该发布完整的解决方案，还是您想修改您的解决方案？我觉得你（更）有资格澄清问题，但我不介意试一试……@BigOldDave我修复了代码中的错误，并提出了一种摆脱无用“\1”的方法。太好了！我还包括
行名（t）
dssort <- function(seqdata){
  ssort <- t(apply(seqdata, MARGIN=1, sort))
  ssort.seq <- seqdef(ssort, states=alphabet(seqdata), labels=stlab(seqdata))
  sdss  <- seqdef(seqdss(ssort.seq), missing="%")
  sdss
} 

library(TraMineR)
data(mvad)
shortlab <- c("EM", "FE", "HE", "JL", "SC", "TR")
mvad.seq <- seqdef(mvad[,17:86], states=shortlab)

set <- dssort(mvad.seq)

seqtab(set, tlim=1:3)

               Freq Percent
EM/1-FE/1        94      13
EM/1-TR/1        84      12
EM/1-JL/1-TR/1   57       8

tf <- seqtab(set, tlim=1:3, format="STS")
t <- attr(tf,"freq")
rownames(t) <- gsub("-\\*","",rownames(t))
t

            Freq   Percent
EM-FE         94 13.202247
EM-TR         84 11.797753
EM-JL-TR      57  8.005618