在R语言中拆分自由文本字段时保留分组关联的方法

你可以用tidyverse里的separate_rows函数拆分文本，同时保留Year变量的关联，轻松实现分层统计和后续绘图。以下是完整解决代码和说明：

完整代码 #

library(tidyverse)
library(tidytext)

# 1. 拆分文本并保留年级信息
data_research_processed <- data_research %>%
  separate_rows(Please.list.your.research.interests, sep = ", ") %>%
  rename(research_topic = Please.list.your.research.interests) # 重命名列方便后续操作

# 2. 统计每个研究方向的总出现次数
total_count <- data_research_processed %>%
  count(research_topic, sort = TRUE) %>%
  rename(total = n)

# 3. 统计每个研究方向在各年级的出现次数
yearly_count <- data_research_processed %>%
  count(Year, research_topic, sort = TRUE) %>%
  rename(yearly_n = n)

# 可选：合并总数量和年级数量，方便同时查看
combined_count <- total_count %>%
  left_join(yearly_count, by = "research_topic")

关键步骤说明 #

• separate_rows函数：核心工具，能把逗号分隔的文本拆成独立行，同时完整保留原数据的所有变量（包括Year），避免了原代码用strsplit丢失分组信息的问题。
• 总数量统计：直接对拆分后的research_topic列计数，得到每个研究方向的总出现次数。
• 年级分层统计：通过count(Year, research_topic)按年级和研究方向分组计数，得到各年级对应的数量，正好满足后续分层绘图的需求。

示例测试结果 #

用你提供的示例数据：

data_research <- tibble(
  Please.list.your.research.interests = c("Vaccines, TB, HIV", "TB, Chronic Diseases"),
  Year = c("1st year", "2nd year")
)

运行代码后，total_count的结果为：

yearly_count的结果为：

分层绘图示例 #

基于yearly_count可以直接绘制分层条形图：

ggplot(yearly_count, aes(x = reorder(research_topic, yearly_n), y = yearly_n, fill = Year)) +
  geom_col(position = "dodge") +
  coord_flip() +
  labs(x = "研究方向", y = "数量", fill = "年级") +
  theme_minimal()

内容的提问来源于stack exchange，提问作者Alessia