如何在R语言数据框中统计分号分隔的字符串数量（含NA值处理）

我懂你的痛点——跨文件的数据没有固定的字符串集合，用固定正则根本没法覆盖所有情况，而且还得区分NA和单个条目，直接统计分号数量确实行不通（比如单个条目分号数量是0，但NA也会是0，没法区分）。这里有个通用的解决方案，完全不需要提前知道所有可能的字符串：

核心思路很直白：

• 单独处理NA值，直接标记为0个条目
• 对非NA的字符串，用分号拆分后，统计拆分结果的长度，这个长度就是该行的条目数

直接上可运行的代码：

library(dplyr)
library(stringr)

# 你的原始数据框
df <- data.frame(x=runif(24),value=rep(c("B","C;D",NA,"CG;M;Bac","GCP;Coag+","GCP;CNS"),each=4))

# 生成统计列
df <- df %>%
  mutate(entry_count = case_when(
    is.na(value) ~ 0L,  # NA直接设为0
    TRUE ~ lengths(str_split(value, ";"))  # 拆分后取结果长度
  ))

运行这段代码后，entry_count列就会得到你期望的结果：每4行分别对应1、2、0、3、2、2，完美匹配需求。

这个方法的优势很明显：

• 完全通用：不管你的字符串是什么内容（比如带特殊符号的Coag+，或者各种随机缩写），只要是分号分隔，都能正确拆分统计
• 精准区分NA和单个条目：NA被明确设为0，单个条目拆分后长度是1，不会出现混淆
• 轻量高效：不需要复杂的正则逻辑，拆分+取长度的操作简单直接，处理大量数据也不会有性能问题

内容的提问来源于stack exchange，提问作者HCAI