如何拆分数据框列的字符串并用于dplyr分组统计？

你可以用tidyr::separate_rows()先把逗号分隔的genre拆分成单独行，再分组统计数量，具体步骤如下：

1. 加载所需工具包（tidyverse包含处理数据的dplyr和tidyr）：

library(tidyverse)

2. 拆分genre列并统计数量：
   separate_rows()会把每个包含多个genre的单元格拆分成独立行，同时保留对应author的信息；后续用count()可以一步完成分组和计数。

完整代码 #

df <- data.frame(author= c("w","x","y","z"),
                 genre= c("a,b,c","a","c,d","a,b,c,d"))

# 拆分+统计
result <- df %>%
  separate_rows(genre, sep = ",") %>%
  count(genre, name = "n")

print(result)

运行结果 #

# A tibble: 4 × 2
  genre     n
  <chr> <int>
1 a         3
2 b         2
3 c         3
4 d         2

如果不想加载整个tidyverse，也可以单独加载tidyr和dplyr：

library(tidyr)
library(dplyr)

你之前用str_split()得到列表列后无法正常分组，是因为列表类型的列不能被group_by()直接识别，必须先将列表展开为多行，separate_rows()就是用来完成这个展开操作的。

内容的提问来源于stack exchange，提问作者arne maa