如何统计逗号分隔列中含指定内容的条目？R语言数据处理求助

嘿，我明白你的困扰了！你之前用reasons=='reason1'做精确匹配，当然只能拿到只填了reason1的行——毕竟那些同时包含其他原因的单元格内容和"reason1"完全不一样嘛。

要筛选所有包含reason1的条目，不管有没有其他原因，咱们可以用R里的grepl()函数来做模糊匹配，它能检查字符串里是否包含指定的子串。下面给你几种实用的方法：

方法1：基础R的subset+grepl #

直接把grepl()作为筛选条件放进subset()里就行：

library(readxl) # 别忘了加载readxl包哦
hair1 <- read_excel('hair1.xlsx')
# 筛选所有reasons列包含reason1的行
reason1 <- subset(hair1, grepl("reason1", reasons))

grepl("reason1", reasons)会遍历reasons列的每个单元格，只要单元格里有"reason1"这个子串，就返回TRUE，subset()就会把这些行保留下来。

方法2：更精确的单词匹配（避免误判） #

如果你的数据里有类似reason10这种容易和reason1混淆的字符串，可以用单词边界正则来确保只匹配完整的reason1：

reason1 <- subset(hair1, grepl("\\breason1\\b", reasons))

这里的\\b代表单词边界，能保证我们匹配的是独立的reason1，而不是其他字符串的一部分。

方法3：tidyverse风格（dplyr） #

如果你习惯用tidyverse的语法，用dplyr::filter()也能实现：

library(readxl)
library(dplyr)
hair1 <- read_excel('hair1.xlsx')
reason1 <- hair1 %>% 
  filter(grepl("reason1", reasons))

测试示例 #

用你提供的样例数据测试一下：

# 构造样例数据
hair1 <- structure(list(reasons = c("reason1, reason2, reason3","reason1, reason2", "reason2", "reason1")), 
                   class = "data.frame", row.names = c(NA, -4L))

# 执行筛选
result <- subset(hair1, grepl("reason1", reasons))
print(result)

输出会包含所有包含reason1的条目（第1、2、4行），完全符合你的需求！

内容的提问来源于stack exchange，提问作者Jannice Newson