在R中提取字符串数字并统计指定数值的出现次数

问题说明 #

现有如下R数据框，其中st是用|分隔数字的字符串变量，需要统计每行中v1、v2、v3对应数值在st中的出现次数，最终新增count_v1、count_v2、count_v3三个变量记录统计结果：

st <- c("7.4|7.4|8|8|8|8|7.4|7.4|7.4|","0|-32|0|0|-32|-3|-3|-3|-3|-3|-3|-3|")
v1 <- c(8,-32) 
v2 <- c(0,0)   
v3 <- c(7.4,-3)

dat <- as.data.frame(cbind(v1,v2,v3,st))

预期统计结果为：

count_v1 = c(4,2)
count_v2 = c(0,3)
count_v3 = c(5,7)

解决方案 #

方法1：使用dplyr + stringr（推荐） #

先安装并加载依赖包，再通过逐行处理实现统计：

# 安装依赖包（首次运行需要）
install.packages(c("dplyr", "stringr"))
library(dplyr)
library(stringr)

# 处理数据并添加计数变量
dat <- dat %>%
  mutate(
    # 拆分字符串并过滤末尾空值（因原字符串结尾有|）
    st_clean = lapply(str_split(st, "\\|"), function(x) x[x != ""]),
    # 统计对应数值出现次数
    count_v1 = mapply(function(vec, val) sum(vec == as.character(val)), st_clean, v1),
    count_v2 = mapply(function(vec, val) sum(vec == as.character(val)), st_clean, v2),
    count_v3 = mapply(function(vec, val) sum(vec == as.character(val)), st_clean, v3)
  ) %>%
  # 移除中间临时变量（可选）
  select(-st_clean)

方法2：基础R循环实现 #

如果不想使用第三方包，可通过基础循环完成：

# 初始化计数变量
dat$count_v1 <- numeric(nrow(dat))
dat$count_v2 <- numeric(nrow(dat))
dat$count_v3 <- numeric(nrow(dat))

# 逐行统计
for(i in 1:nrow(dat)){
  # 拆分字符串并过滤空值
  vec <- strsplit(dat$st[i], "\\|")[[1]]
  vec <- vec[vec != ""]
  # 统计次数（注意转字符串类型匹配）
  dat$count_v1[i] <- sum(vec == as.character(dat$v1[i]))
  dat$count_v2[i] <- sum(vec == as.character(dat$v2[i]))
  dat$count_v3[i] <- sum(vec == as.character(dat$v3[i]))
}

结果验证 #

运行代码后查看数据框，会发现新增的三个计数变量已符合预期统计结果：

print(dat)

内容的提问来源于stack exchange，提问作者Max Montana