如何在R中对拼写略有差异的变量进行分类统计？

针对sweets变量存在大小写、附加词汇差异的问题，可通过字符串匹配替换实现统一规范，再进行类别统计，以下是两种可行方案：

方法一：使用dplyr + stringr包（代码可读性高） #

先加载所需工具包，再通过关键词匹配统一类别：

library(dplyr)
library(stringr)

# 原始数据
df <- data.frame(sweets= c("cookie", "CANDY", "Cookie", "cake", "IceCream", "Candy", "Chocolate COOKIE", "COOKIE", "CAKE", "Chocolate cake", "candy bar"))

# 统一规范拼写
df2 <- df %>%
  mutate(sweets = case_when(
    # 检测包含cookie关键词的字符串，统一为"Cookie"
    str_detect(str_to_lower(sweets), "cookie") ~ "Cookie",
    # 检测包含candy关键词的字符串，统一为"Candy"
    str_detect(str_to_lower(sweets), "candy") ~ "Candy",
    # 检测包含cake关键词的字符串，统一为"Cake"
    str_detect(str_to_lower(sweets), "cake") ~ "Cake",
    # 单独匹配IceCream（大小写统一后判断）
    str_to_lower(sweets) == "icecream" ~ "IceCream",
    # 保留未匹配到的原始值（可选，根据需求调整）
    TRUE ~ sweets
  ))

# 按类别统计
df3 <- table(df2$sweets)
# 查看结果
df2
df3

方法二：基础R实现（无需额外安装包） #

利用基础R的字符串处理函数完成统一：

# 原始数据
df <- data.frame(sweets= c("cookie", "CANDY", "Cookie", "cake", "IceCream", "Candy", "Chocolate COOKIE", "COOKIE", "CAKE", "Chocolate cake", "candy bar"))

# 先统一转为小写，消除大小写影响
df$lower_sweets <- tolower(df$sweets)

# 嵌套ifelse完成类别映射
df2 <- data.frame(
  sweets = ifelse(grepl("cookie", df$lower_sweets), "Cookie",
                  ifelse(grepl("candy", df$lower_sweets), "Candy",
                         ifelse(grepl("cake", df$lower_sweets), "Cake",
                                ifelse(df$lower_sweets == "icecream", "IceCream", df$sweets))))
)

# 按类别统计
df3 <- table(df2$sweets)
# 查看结果
df2
df3

两种方案运行后，都能得到你预期的df2和df3统计结果。

内容的提问来源于stack exchange，提问作者Moooe