近似图案，使用R

Question

我具有如c(1,2,3,4,5)整数的图案，需要在数据来近似匹配作为c(1,10,1,6,3,4,5,1,2,3,4,5,9,10,1,2,3,4,6)

我试图在整数数据和提取的一个序列匹配：

• pmatch （）
• all.equal（）
• grepl（）

但他们似乎不支持这种情况。

pattern <- c(1,2,3,4,5) 

data <- c(1,10,1,6,3,4,5,1,2,3,4,5,9,10,1,2,3,4,6) 

对于上面的例子中我需要产生以下输出：

1,6,3,4,5

1,2,3,4,5

1,2- ，3,4,6

欣赏关于此的任何想法。

感谢

Answer 1

我觉得你说的“在至少整数匹配的N-1的整数另一个序列匹配整数序列”。目前还不清楚在重叠匹配情况下的行为应该如何，因此以下内容会挑选重叠的序列。

# helper function to test "match" at a threshold of 4 matches 
is_almost <- function(s1, s2, thresh = 4) { 
    sum(s1 == s2) >= thresh } 

# function to lookup and return sequences 
extract_seq <- function(pattern, data) { 
    res <- lapply(1:(length(data) - length(pattern) + 1), function(s) { 
    subseq <- data[s:(s+length(pattern)-1)] 
    if (is_almost(pattern, subseq)) { 
     subseq} 
    }) 
    Filter(Negate(is.null),res) 
} 

# let's test it out 
pattern <- c(1,2,3,4,5) 
data <- c(1,10,1,6,3,4,5,1,2,3,4,5,9,10,1,2,3,4,6) 

extract_seq(pattern,data) 

[[1]] 
[1] 1 6 3 4 5 

[[2]] 
[1] 1 2 3 4 5 

[[3]] 
[1] 1 2 3 4 6 

Answer 2

如果你想找到匹配给定的载体，你可以使用%Iin%来测试你的更大的载体中“模式”的存在是一个向量的独特元素。运算符%in%返回一个逻辑向量。将该输出传递到which()将返回每个TRUE值的索引，该值可用于对较大向量进行子集归约，以返回与“模式”匹配的所有元素，而不管顺序如何。将子集向量传递给unique()消除了重复，以便从匹配元素和“模式”向量长度的较大向量中只有一个元素出现。

例如：

> num.data <- c(1, 10, 1, 6, 3, 4, 5, 1, 2, 3, 4, 5, 9, 10, 1, 2, 3, 4, 5, 6) 
> num.pattern.1 <- c(1,6,3,4,5) 
> num.pattern.2 <- c(1,2,3,4,5) 
> num.pattern.3 <- c(1,2,3,4,6) 
> unique(num.data[which(num.data %in% num.pattern.1)]) 
[1] 1 6 3 4 5 
> unique(num.data[which(num.data %in% num.pattern.2)]) 
[1] 1 3 4 5 2 
> unique(num.data[which(num.data %in% num.pattern.3)]) 
[1] 1 6 3 4 2 

注意，第一结果巧合的num.pattern.1顺序相匹配。其他两个向量不匹配模式向量的顺序。

内找到num.data，您可以使用类似于下面的函数什么模式相匹配的确切顺序：

set.seed(12102015) 
test.data <- sample(c(1:99), size = 500, replace = TRUE) 
test.pattern.1 <- test.data[90:94] 

find_vector <- function(test.data, test.pattern.1) { 
    # List of all the vectors from test.data with length = length(test.pattern.1), currently empty 
    lst <- vector(mode = "list") 
    # List of vectors that meet condition 1, currently empty 
    lst2 <- vector(mode = "list") 
    # List of vectors that meet condition 2, currently empty 
    lst3 <- vector(mode = "list") 
    # A modifier to the iteration variable used to build 'lst' 
    a <- length(test.pattern.1) - 1 
    # The loop to iterate through 'test.data' testing for conditions and building lists to return a match 
    for(i in 1:length(test.data)) { 
    # The list is build incrementally as 'i' increases 
    lst[[i]] <- test.data[c(i:(i+a))] 
    # Conditon 1 
    if(sum(lst[[i]] %in% test.pattern.1) == length(test.pattern.1)) {lst2[[i]] <- lst[[i]]} 
    # Condition 2 
    if(identical(lst[[i]], test.pattern.1)) {lst3[[i]] <- lst[[i]]} 
    } 
    # Remove nulls from 'lst2' and 'lst3' 
    lst2 <- lst2[!sapply(lst2, is.null)] 
    lst3 <- lst3[!sapply(lst3, is.null)] 
# Return the intersection of 'lst2' and 'lst3' which should be a match to the pattern vector. 
return(intersect(lst2, lst3)) 
} 

对于重复性我用set.seed()，然后创建一个测试数据集和模式。函数find_vector()有两个参数：第一个是test.data，它是要检查模式向量的较大数值向量;第二个是test.pattern.1，它是您希望在test.data中找到的较短数值向量。首先，创建三个列表：lst保持test.data分成等于所述模式矢量的长度，lst2从lst满足第一条件，并且lst3保持模式矢量从lst认为满足矢量长度的更小的载体第二个条件。第一个条件测试lst中的向量的元素是否在模式向量中。第二个条件测试来自lst的向量按顺序和元素匹配模式向量。

这种方法的一个问题是当条件不满足时NULL值被引入到每个列表中，但是当条件满足时该过程停止。作为参考，您可以打印列表以查看所有测试的向量，满足第一个条件的向量以及满足第二个条件的向量。空值可以被删除。删除空值后，找到lst2和lst3的交集将在test.data中显示相同匹配的模式。

要使用该功能，请确保明确定义了test.data <- 'a numeric vector'和test.pattern.1 <- 'a numeric vector'。不需要特殊的软件包。我没有做任何基准测试，但该功能似乎工作得很快。我也没有寻找功能会失败的场景。