确定哪个组具有事件序列,同时忽略重复日期

如何解决确定哪个组具有事件序列,同时忽略重复日期

我已经使用 SPADE 算法确定了医疗记录(> 20 00 万条记录)中的频繁事件序列。现在我想确定哪个 ID (组)具有序列。该序列必须在 182 天内发生。同一天发生的任何事件(即 items == R-S,bxR01,S-O)不应被视为一个序列(它具有随机顺序)。

开始时,我有一个很长的 data.table,每个 ID 包含多行,每天一行在 items 列中包含一个或多个 items(请参阅下面的可重现示例)。

获取序列的一种方法似乎是拆分包含多个事件的 items 并为每 182 天的时间段制作行(使 long-data.table 更长),然后制作宽 {{1} }} 为 182 期间内的每个项目(每个 data.table 在同一天有不同的行用于唯一的 items)。

我不知道从哪里开始,所以我试图以我能想到的小步骤减少所有事情,但我陷入了下面描述的兔子洞...... 我确实认为来自 this thread 的第一条评论可能会有所帮助(但我不确定如何)。

我管理的是通过以下方式选择包含序列中任何 ID 的所有行(即,从中创建一个新的 data.table):

items

然后我可以像这样使用 unnest:

DT2 <- DT[grepl("bxD01",items) | grepl("S-In",items)]

删除所有不相关的项目:

DT2 = DT2 %>% 
    mutate(items = strsplit(as.character(items),",")) %>% 
    unnest(items)

然后是 DT2 <- DT[grepl("bxD01",items)] reorder

aggregate

然而,这(除了非常低效之外)不会为重复的日子制作不同的行......为此我想我会使用上面提到的胎面。

样本(模拟)数据

DT2 = DT2[order(ID,days)]
# aggregate to all items in one row/cell
DT3 = as.data.table(aggregate(as.formula(items~ID),data=DT2,FUN = toString))

样本(模拟)序列列表

DT <-    structure(list(items = c("bxM01,T-Other","bxD01","S-In","bxD02","L-I","A9","R-S,bxR03","bxA02","HDTR","HVAL","SC.R","bxD11,S-Other","K-Other","bxD06,S-In","A-s.spec","LON","bxJ01","S-Other","HVAL,SC.R","bxN02,bxN02,bxC07,"bxC09","R-all-rhin","S-S,bxD07,bxD01","bxD07,ECZM","X-resp-prev","bxD07","T-Other","bxA11","P-S","bxN01,NKSH","D-S","FYS,B-Other","bxC07,RON,"bxM01,bxA01","bxS01","NKSH","bxC08","bxD04,K-Other","bxN02",Y-S",bxR06,ALGY","SC.R,"bxD10","Y-S","S-S","bxR03,LON","RON,S-Ne","Z-S","SX","F-In,bxS01","N-Other",TROT","S-Sdf","OBES","bxJ01,"bxR01,LAB,"A-Unknown","K-S",bxA02","L-Other","X-Other","bxN05","bxR06",bxA02,bxN02","TROT"),days = c(613L,861L,883L,1210L,1408L,1699L,391L,409L,745L,1448L,28L,32L,43L,98L,105L,231L,439L,442L,446L,544L,704L,801L,845L,846L,851L,1097L,1131L,1168L,1246L,1264L,1309L,1313L,1323L,1327L,1452L,1475L,1482L,1484L,1518L,1588L,1629L,1630L,1631L,1634L,1641L,1645L,1727L,1741L,1769L,1809L,790L,953L,999L,1004L,1013L,1015L,1034L,1055L,1190L,1211L,1375L,1544L,1802L,241L,353L,416L,437L,451L,547L,548L,706L,831L,832L,839L,1099L,1276L,1301L,1567L,1598L,287L,574L,854L,872L,943L,1089L,1147L,1170L,1177L,1201L,1202L,1512L,20L,30L,52L,53L,87L,309L),ID = c("G","G","F","E","D","C","B","A","A")),row.names = c(NA,-100L
),class = c("data.table","data.frame"))

总而言之,我需要一个包含二进制表达式的 data.table,该表达式指示任何 seq <-structure(list(sequence = c("<{bxD01},{S-In}>","<{L-s.spec},TROT}>","<{NKSH},{T-Other}>","<{ABDO},{SC.REF}>",{RON}>",{R-S}>","<{P-S},{P-S}>",{NKSH}>")),-45L),"data.frame")) 在 182 天内是否具有序列。

**** 编辑 **** 我忘记添加我必须在 data.table 中选择序列的代码:

ID

非常欢迎任何帮助:)


不太清楚问题在问什么,因此建议进行此编辑。以下是否举例说明了您正在寻找的内容? 谢谢,是的,这就是我要问的。我也posted another question (and answer to part of this)澄清,但你的编辑可能会更清楚。

# reg expression for matching based on order
seq[,sequence_list := paste0(".*",gsub("[,]","\\s*(.*?)\\",gsub("[</{/}>]","",as.character(sequence))),".*")]

# loop for every item in the sequence list (regex expression) and then label it as the sequence result
for (NUM in 1:length(seq$sequence_list[1])) {
  DT3[grepl(seq$sequence_list[1],x = items),RES_GROUP := seq$sequence[1]]
 DT3[grepl(seq$sequence_list[1],RES_GROUP_label := 1]
} 

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


依赖报错 idea导入项目后依赖报错,解决方案:https://blog.csdn.net/weixin_42420249/article/details/81191861 依赖版本报错:更换其他版本 无法下载依赖可参考:https://blog.csdn.net/weixin_42628809/a
错误1:代码生成器依赖和mybatis依赖冲突 启动项目时报错如下 2021-12-03 13:33:33.927 ERROR 7228 [ main] o.s.b.d.LoggingFailureAnalysisReporter : *************************** APPL
错误1:gradle项目控制台输出为乱码 # 解决方案:https://blog.csdn.net/weixin_43501566/article/details/112482302 # 在gradle-wrapper.properties 添加以下内容 org.gradle.jvmargs=-Df
错误还原:在查询的过程中,传入的workType为0时,该条件不起作用 &lt;select id=&quot;xxx&quot;&gt; SELECT di.id, di.name, di.work_type, di.updated... &lt;where&gt; &lt;if test=&qu
报错如下,gcc版本太低 ^ server.c:5346:31: 错误:‘struct redisServer’没有名为‘server_cpulist’的成员 redisSetCpuAffinity(server.server_cpulist); ^ server.c: 在函数‘hasActiveC
解决方案1 1、改项目中.idea/workspace.xml配置文件,增加dynamic.classpath参数 2、搜索PropertiesComponent,添加如下 &lt;property name=&quot;dynamic.classpath&quot; value=&quot;tru
删除根组件app.vue中的默认代码后报错:Module Error (from ./node_modules/eslint-loader/index.js): 解决方案:关闭ESlint代码检测,在项目根目录创建vue.config.js,在文件中添加 module.exports = { lin
查看spark默认的python版本 [root@master day27]# pyspark /home/software/spark-2.3.4-bin-hadoop2.7/conf/spark-env.sh: line 2: /usr/local/hadoop/bin/hadoop: No s
使用本地python环境可以成功执行 import pandas as pd import matplotlib.pyplot as plt # 设置字体 plt.rcParams[&#39;font.sans-serif&#39;] = [&#39;SimHei&#39;] # 能正确显示负号 p
错误1:Request method ‘DELETE‘ not supported 错误还原:controller层有一个接口,访问该接口时报错:Request method ‘DELETE‘ not supported 错误原因:没有接收到前端传入的参数,修改为如下 参考 错误2:cannot r
错误1:启动docker镜像时报错:Error response from daemon: driver failed programming external connectivity on endpoint quirky_allen 解决方法:重启docker -&gt; systemctl r
错误1:private field ‘xxx‘ is never assigned 按Altʾnter快捷键,选择第2项 参考:https://blog.csdn.net/shi_hong_fei_hei/article/details/88814070 错误2:启动时报错,不能找到主启动类 #
报错如下,通过源不能下载,最后警告pip需升级版本 Requirement already satisfied: pip in c:\users\ychen\appdata\local\programs\python\python310\lib\site-packages (22.0.4) Coll
错误1:maven打包报错 错误还原:使用maven打包项目时报错如下 [ERROR] Failed to execute goal org.apache.maven.plugins:maven-resources-plugin:3.2.0:resources (default-resources)
错误1:服务调用时报错 服务消费者模块assess通过openFeign调用服务提供者模块hires 如下为服务提供者模块hires的控制层接口 @RestController @RequestMapping(&quot;/hires&quot;) public class FeignControl
错误1:运行项目后报如下错误 解决方案 报错2:Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.8.1:compile (default-compile) on project sb 解决方案:在pom.
参考 错误原因 过滤器或拦截器在生效时,redisTemplate还没有注入 解决方案:在注入容器时就生效 @Component //项目运行时就注入Spring容器 public class RedisBean { @Resource private RedisTemplate&lt;String
使用vite构建项目报错 C:\Users\ychen\work&gt;npm init @vitejs/app @vitejs/create-app is deprecated, use npm init vite instead C:\Users\ychen\AppData\Local\npm-