在R语言中统计一列字符串在另一列中的非精确匹配出现次数

原始数据 #

df <- data.frame(id = c("p3", "p5", "p8", "p9", "p10", "p11"), 
                 pedi = c("p1/p2", "p3/p4", "p3/p5", "(p3/p4)/p5", "p5/p8", "p4/p10"))

你的代码问题 #

你写的循环存在两个关键错误：

• 循环范围错误：for (i in length(id))只会遍历到id的长度值（这里是6），不会逐个遍历每个ID元素
• 赋值逻辑错误：每次循环都直接覆盖整个id_in_pedi列，而不是给对应行的位置赋值

id <- df$id 
for (i in length(id)) {
  df$id_in_pedi <- sum(grepl(i, df$pedi))
}

修正方案 #

方案1：修正循环逻辑

先初始化结果列，再逐个遍历ID并统计次数：

df$id_in_pedi <- 0
for (i in seq_along(df$id)) {
  target_id <- df$id[i]
  df$id_in_pedi[i] <- sum(grepl(target_id, df$pedi))
}

方案2：向量化操作（更符合R的风格，效率更高）

用sapply直接对每个ID执行统计：

df$id_in_pedi <- sapply(df$id, function(x) sum(grepl(x, df$pedi)))

方案3：精准匹配（避免误匹配）

如果担心出现类似p3匹配到p30的情况，可以添加单词边界确保完全匹配：

df$id_in_pedi <- sapply(df$id, function(x) sum(grepl(paste0("\\b", x, "\\b"), df$pedi)))

最终结果 #

运行后得到你期望的输出：

df
#>    id         pedi id_in_pedi
#> 1  p3       p1/p2          3
#> 2  p5       p3/p4          3
#> 3  p8       p3/p5          1
#> 4  p9 (p3/p4)/p5          0
#> 5 p10       p5/p8          1
#> 6 p11      p4/p10          0

内容的提问来源于stack exchange，提问作者Fersal