如何在R函数中将逗号分隔字符串转为列表并正确计算比值？

问题重现 #

原始数据：

library(tibble)
df <- tribble(
  ~prod_list, ~cust_list,
  "prod1,prod2", "cust1,cust2,cust3",
  "prod1,prod4,prod5","cust1,cust2,cust3,cust4,cust5,cust6"
)

编写的计算函数：

library(stringr)
calculate_ratio <-function (product_list, customer_list){
  list_prod <- as.list(str_split(product_list, ","))[[1]]
  list_cust <- as.list(str_split(customer_list, ","))[[1]]
  return(length(list_prod) / length(list_cust))
}

执行后得到错误结果：

df %>% mutate(ratio = calculate_ratio(prod_list, cust_list))  

prod_list         cust_list                               ratio
  <chr>             <chr>                                   <dbl>
1 prod1,prod2       cust1,cust2,cust3                     0.667
2 prod1,prod4,prod5 cust1,cust2,cust3,cust4,cust5,cust6 0.667 

第二行正确比值应为3/6=0.5，结果错误。

错误原因 #

函数中str_split(product_list, ",")处理的是整个向量（即所有行的prod_list），返回的是包含两行拆分结果的列表，但[[1]]只提取了第一行的拆分结果。后续所有行的计算都复用了第一行的产品数（2）和客户数（3），导致结果全部错误。

解决方案 #

方法1：向量化函数（推荐） #

使用purrr的map_dbl对每个元素单独处理，实现向量化计算：

library(dplyr)
library(stringr)
library(purrr)

calculate_ratio <- function(product_list, customer_list){
  # 逐行计算产品数量
  prod_count <- map_dbl(product_list, ~length(str_split(.x, ",")[[1]]))
  # 逐行计算客户数量
  cust_count <- map_dbl(customer_list, ~length(str_split(.x, ",")[[1]]))
  return(prod_count / cust_count)
}

# 执行计算
df %>% mutate(ratio = calculate_ratio(prod_list, cust_list))

方法2：更高效的字符串统计 #

不需要拆分字符串，直接统计逗号数量加1得到元素个数，效率更高：

library(dplyr)
library(stringr)

calculate_ratio <- function(product_list, customer_list){
  (str_count(product_list, ",") + 1) / (str_count(customer_list, ",") + 1)
}

# 执行计算
df %>% mutate(ratio = calculate_ratio(prod_list, cust_list))

方法3：逐行处理（rowwise） #

用rowwise()让mutate逐行执行函数，确保每次处理单个字符串：

library(dplyr)
library(stringr)

# 保留原函数不变
calculate_ratio <-function (product_list, customer_list){
  list_prod <- as.list(str_split(product_list, ","))[[1]]
  list_cust <- as.list(str_split(customer_list, ","))[[1]]
  return(length(list_prod) / length(list_cust))
}

# 逐行计算
df %>% rowwise() %>% mutate(ratio = calculate_ratio(prod_list, cust_list)) %>% ungroup()

以上三种方法都能得到正确结果：

prod_list         cust_list                               ratio
  <chr>             <chr>                                   <dbl>
1 prod1,prod2       cust1,cust2,cust3                     0.667
2 prod1,prod4,prod5 cust1,cust2,cust3,cust4,cust5,cust6  0.5   

内容的提问来源于stack exchange，提问作者Jianyang Tai