如何统计R数据框中字符型列表格式观测值的元素数量？

架构老林

2026-7-23

问题描述

我有一个字符类型的列，观测值格式如下（示例代码）：

df <- data.frame(observation = c('["Extra pillows and blankets", "Dishes and silverware", "Room-darkening shades", "Hot water kettle", "Ethernet connection", "Wifi", "Dedicated workspace", "Oven"]',
                                 '["Extra pillows and blankets", "Dishes and silverware", "Room-darkening shades", "Hot water kettle", "Ethernet connection", "Wifi", "Dedicated workspace", "Oven"]',
                                 '["Extra pillows and blankets", "Dishes and silverware", "Room-darkening shades", "Hot water kettle", "Ethernet connection", "Wifi", "Dedicated workspace", "Oven"]'
))

我的目标是统计每个观测值中列表的元素数量（以列表中的逗号作为分隔符）。尝试过转换为因子、列表，使用length和lengths函数等方法，都没能解决问题，请问该如何处理？

解决方案

方法1：JSON解析（最可靠）

你的观测值是标准JSON数组格式，用JSON解析工具转成列表后统计长度是最稳妥的方式，推荐使用jsonlite包：

# 未安装包时先执行：install.packages("jsonlite")
library(jsonlite)

# 解析字符串为列表，统计每个列表的元素数
df$element_count <- lengths(fromJSON(df$observation, simplifyVector = FALSE))

示例中每个观测值会返回结果8，完全匹配实际元素数量。

方法2：字符串处理（无需额外包）

如果不想依赖第三方包，可通过字符串操作实现：

# 用基础R函数实现
df$element_count <- sapply(df$observation, function(x) {
  # 去除首尾的方括号
  cleaned_str <- substr(x, 2, nchar(x)-1)
  # 按`", "`分割后统计元素长度
  length(strsplit(cleaned_str, '", "')[[1]])
})

或者用stringr包简化操作：

# 未安装包时先执行：install.packages("stringr")
library(stringr)

# 去除首尾括号后统计逗号分隔符数量，加1得到元素数
df$element_count <- str_count(str_remove_all(df$observation, "^\\[|\\]$"), '", "') + 1

⚠️ 注意：字符串处理方法依赖格式完全固定，如果元素本身包含", "这类字符，会导致统计错误，优先推荐JSON解析法。