如何高效同时统计含不同特定字符串的数据行数量？

当需要统计数据框单列中分别包含多个特定字符串的行数量时，无需逐个重复编写sum(grepl(...))或sum(str_count(...))，以下是几种高效的批量处理方法：

方法1：基础R的sapply批量处理 #

通过定义目标字符串向量，结合sapply遍历执行匹配与求和，代码简洁且高效：

# 定义需要统计的目标字符串集合
target_strings <- c("great", "utr", "DISTAL", "LONG")

# 批量计算每个字符串对应的匹配行数
count_result <- sapply(target_strings, function(pattern) {
  sum(grepl(pattern, q.data$string))
})

# 转成直观的数据框格式（可选）
count_df <- data.frame(
  target_string = names(count_result),
  matched_rows = count_result,
  row.names = NULL
)

方法2：Tidyverse风格（stringr + purrr） #

如果习惯使用tidyverse工具链，可通过map系列函数实现批量统计：

library(stringr)
library(purrr)

target_strings <- c("great", "utr", "DISTAL", "LONG")

count_df <- map_dbl(target_strings, ~sum(str_detect(q.data$string, .x))) %>%
  set_names(target_strings) %>%
  enframe(name = "target_string", value = "matched_rows")

方法3：向量化匹配矩阵（大数据量最优） #

针对超大数据集，一次性生成匹配矩阵再按列求和，能减少重复匹配的开销：

target_strings <- c("great", "utr", "DISTAL", "LONG")

# 生成匹配逻辑矩阵：行=数据行，列=目标字符串
match_matrix <- sapply(target_strings, grepl, x = q.data$string)

# 按列求和得到每个字符串的匹配行数
count_result <- colSums(match_matrix)

以上方法只需维护target_strings向量即可扩展任意数量的统计目标，避免了重复代码，且执行效率远高于逐个编写求和语句的基础方法。

内容的提问来源于stack exchange，提问作者Charité Learner