使用TraMineR中的group从seqrep中提取单个代表性序列图

我正在尝试使用

TraMineR

中的

group=

选项重现

seqrep

绘制的绘图，因为我希望有一个图像文件，其中包含每个组在演示中使用的代表性序列。似乎我的语法中缺少了一个重要的部分，因为将sequence对象子集会产生与

TraMineR

中的Onboard

group

选项截然不同的结果。如下图所示，

seqrep

标识的代表性序列差别很大。 你知道我的语法中缺少或错误的部分是什么吗

library(TraMineR)
library(WeightedCluster)

data(mvad)
mvad.alphabet <- c("employment", "FE", "HE", "joblessness", "school",
                   "training")
mvad.labels <- c("Employment", "Further Education", "Higher Education",
                 "Joblessness", "School", "Training")
mvad.scodes <- c("EM", "FE", "HE", "JL", "SC", "TR")

## Define sequence objects
mvad.seq <- seqdef(mvad[, 17:86], alphabet = mvad.alphabet, 
                   states = mvad.scodes, labels = mvad.labels, 
                   weights = mvad$weight, xtstep = 6)

## Defining cost matrices for OM - custom and transition based
subm.trate <- seqsubm(mvad.seq, method="TRATE")

## Computing dissimilarity matrices
mvad.ham <- seqdist(mvad.seq, method="HAM", sm=subm.trate)

## Clustering OM dissimilarities
wardCluster <- hclust(as.dist(mvad.ham), method = "ward",
                      members = mvad$weight)
clust4 <- cutree(wardCluster, k = 4)

## Plotting representative sequences
seqrplot(mvad.seq, criterion="dist", group=clust4, dist.matrix=mvad.ham, 
         withlegend=FALSE, border=NA, weighted=TRUE, stats=FALSE)
seqrplot(mvad.seq[clust4==2,], criterion="dist", dist.matrix=mvad.ham, 
         withlegend=FALSE, border=NA, weighted=TRUE, stats=FALSE)

库（TraMineR）
图书馆（加权集群）
数据（mvad）
mvad.alphabet在子集状态序列对象时，应相应地子集相异矩阵

seqrplot(mvad.seq[clust4==2,], criterion="dist", 
         dist.matrix=mvad.ham[clust4==2, clust4==2], 
         withlegend=FALSE, border=NA, weighted=TRUE, stats=FALSE)

如果这样做，
seqrep
将使用错误的距离来确定代表性序列。
非常感谢您的回答！实际上，在我提出这个问题之前，我已经尝试过这种方法。然后，它不起作用，但您的回答鼓励我再看一眼：首先，它不起作用，因为我对原始大数据集使用了
seqdist（…，full.matrix=FALSE）
，并且我总是得到一个错误
不正确的维度数
。我认为这并不重要，因此我没有将其包含在示例代码中。我想知道
seqrplot（…，group=clust4）
如何通过“半”距离矩阵来解决这个问题？不知何故，我无法用我的大数据集（相异矩阵~1 GB）获得真正稳定的结果。在某些情况下，
组
选项或使用答案中的子集绘制的图是相等的。然而，其他一些图，特别是大型集群图，仍然存在差异。对大距离矩阵进行子集划分可能会有问题吗？这可能是根据所选标准对序列进行排序时随机排序的结果（
“dist”
）。尝试通过设置
种子来控制。谢谢您的建议！我尝试过
set.seed（）
，但它没有解决绘图之间的差异。我想这与权重有关，因为不同的图使用子集，如
dist.matrix=mvad.ham[clust4==2，clust4==2]
而不是选项
group=
包含更多的序列，覆盖率仍然较低，尽管加权n始终相等。真正让我困惑的是：只有一半的情节不同，而另一半则很好。它影响最大的群体和一些较小的群体。