如何在R中基于另一列字符串检测汇总列值并存入新数据框

问题核心 #

你遇到的关键问题是原数据集的「主题」列是多关键词拼接的字符串，直接用str_detect或%in%会因向量长度不匹配、匹配逻辑错误导致失败。正确思路是先把多主题拆分为单独行，再按关键词分组汇总。

完整实现步骤 #

先确保加载tidyverse包（包含数据处理所需的dplyr和tidyr）：

library(tidyverse)

1. 数据预处理

首先清理资助金额列（去除空格并转为数值型）：

# 示例数据（替换为你的实际df）
df <- data.frame(
  项目 = c("Project 1", "Project 2", "Project 3", "Project 4", "Project 5"),
  主题 = c("Agriculture, Water, Food", "Agriculture, Digital", "Agriculture, Food", "Urban planning, Food, Water, Digital", "Agriculture"),
  资助金额 = c("50 000", "100 000", "50 000", "200 000", "30 000")
)

# 清洗资助金额：去掉空格，转为数值
df$资助金额 <- as.numeric(gsub(" ", "", df$资助金额))

2. 拆分多主题为独立行

用separate_rows将每个主题拆成单独行，同时保留对应资助金额：

df_split <- df %>%
  separate_rows(主题, sep = ", ")  # 分隔符匹配你的数据格式：逗号+空格

拆分后的数据结构会变成每个主题对应一行项目记录，方便后续分组统计。

3. 按关键词分组汇总

直接按主题分组，统计出现次数和总资助金额：

themes_analysis <- df_split %>%
  group_by(主题) %>%
  summarise(
    出现次数 = n(),
    总资助金额 = sum(资助金额)
  ) %>%
  rename(关键词 = 主题)  # 重命名列名匹配期望结果

运行后得到的themes_analysis就是你需要的结果：

之前代码出错原因 #

1. str_detect向量不匹配：df$Themes（312行）和themes_analysis$Keywords（93行）长度不一致，R无法自动循环匹配，触发回收错误。
2. %in%逻辑错误：df$Themes是包含多关键词的字符串，%in%是完全匹配，无法检测字符串中是否包含单个关键词。
3. sum未分组：直接调用sum会计算所有符合条件的总和，没有按单个关键词单独汇总，导致每行结果相同。

内容的提问来源于stack exchange，提问作者jchd