Question

我有以下来自贝叶斯网络学习算法的字符串（例如来自bnlearn或deal包）：

[1] "[wst|af:bq:rloss_s:pre3][af|bq][d|wst:af:con:rloss_s][bq|con][con|af][rloss_s|af:con:pre3][pre3|af:con]"

字符串定义变量和连接方向之间的连接。括号中的每个术语的第一个变量（[...]）表示一个节点，|后面的所有变量表示与第一个节点连接的节点。这些变量由:分配。

我想将字符串转换为表示每个变量之间连接的data.frame。它应该是这样的：

> data.frame(string_table)
      from      to
1       af     wst
2       bq     wst
3  rloss_s     wst
4     pre3     wst
5       bq      af
6      wst       d
7       af       d
8      con       d
9  rloss_s       d
10     con      bq
11      af     con
12      af rloss_s
13     con rloss_s
14    pre3 rloss_s
15      af    pre3
16     con    pre3

Answer 1

我会在这里使用图形工具而不是字符串操作。这是一个说明

的例子

library(bnlearn)

d = clgaussian.test
m = hc(d)

所以你有字符串/模型

bnlearn::modelstring(m)
#[1] "[A][B][C][H][D|A:H][F|B:C][E|B:D][G|A:D:E:F]"

使用bnlearn循环来获取每个节点的父节点

stack(sapply(nodes(m), function(x) parents(m, x)))

或在邻接矩阵上使用igraph来获取边列表

library(igraph)
as_edgelist(graph_from_adjacency_matrix(amat(m)))

编辑：

似乎bnlearn具有提取边缘的功能

arcs(m)

Answer 2

您可以分两步完成此操作。首先，使用正则表达式（例如stringr包中的--no-branch-coverage函数）来提取对的矩阵：

str_match_all

这导致了这个矩阵，其中第三列和第二列具有我们感兴趣的内容：

s <- "[wst|af:bq:rloss_s:pre3][af|bq][d|wst:af:con:rloss_s][bq|con][con|af][rloss_s|af:con:pre3][pre3|af:con]"

library(stringr)
m <- str_match_all(s, "\\[(.*?)\\|(.*?)\\]")[[1]]
m

然后，将它们添加到数据框中，将冒号周围的“from”值拆分，并使用tidyr的[,1] [,2] [,3] [1,] "[wst|af:bq:rloss_s:pre3]" "wst" "af:bq:rloss_s:pre3" [2,] "[af|bq]" "af" "bq" [3,] "[d|wst:af:con:rloss_s]" "d" "wst:af:con:rloss_s" [4,] "[bq|con]" "bq" "con" [5,] "[con|af]" "con" "af" [6,] "[rloss_s|af:con:pre3]" "rloss_s" "af:con:pre3" [7,] "[pre3|af:con]" "pre3" "af:con"为每个to-to对创建一行。

unnest()

在R中拆分图形网络字符串

2 个答案: