在R中为数据框添加指定词汇出现频次的合并统计列

针对你拥有的数千条新闻文章DataFrame，以下是几种高效实现需求的方法：

方法一：正则表达式批量匹配（推荐，高效处理大数据） #

通过正则匹配完整目标词汇，一次性统计所有指定词的出现次数：

import pandas as pd
import re

# 定义需要统计的词汇列表
target_words = ["newyorktimes", "washingtonpost", "the"]
# 构建正则模式：\b 确保匹配完整单词，避免部分字符匹配
pattern = re.compile(r'\b(' + '|'.join(target_words) + r')\b')

# 假设你的DataFrame变量名为df
df['wordlistcount'] = df['text'].apply(lambda x: len(pattern.findall(x)))

如果需要忽略大小写（比如匹配"The"或"NEWYORKTIMES"），可以在re.compile中添加flags=re.IGNORECASE参数。

方法二：逐个词汇统计后求和 #

代码更简洁，适合词汇数量不多的场景：

import pandas as pd

target_words = ["newyorktimes", "washingtonpost", "the"]
# 对每个词汇单独统计次数，再求和得到总次数
df['wordlistcount'] = sum(df['text'].str.count(word) for word in target_words)

效果验证 #

运行上述任意一种代码后，你的DataFrame会新增wordlistcount列，结果与你预期的输出完全一致——比如第2条文本中目标词汇累计出现4次，对应列值为4。

内容的提问来源于stack exchange，提问作者lwe