R语言如何统计字符列预设词汇频次并新增统计结果列

基于Python + pandas处理，全程3步就能搞定：

• 第一步：导入依赖、读取数据，筛出词典里所有绿色词汇
  先把词典里Polarity == 1的目标词统一转小写存成列表，避免大小写差异导致漏匹配，大样本场景可以提前预编译匹配规则提升运行速度：

  import pandas as pd
  import re
  
  # 替换成你自己的文件实际路径
  post_df = pd.read_csv("post_dataset.csv")
  lexicon_df = pd.read_csv("green_lexicon.csv")
  
  # 提取所有绿色词汇，统一转小写
  green_word_list = lexicon_df[lexicon_df["Polarity"] == 1]["Word"].str.lower().tolist()
  # 预编译所有词的正则匹配规则，减少重复计算
  pattern_map = {word: re.compile(rf'\b{re.escape(word)}\b') for word in green_word_list}
  

• 第二步：写单条帖子的计数逻辑
  用正则做整词匹配，避免把包含目标词片段的长单词误统计，比如匹配"solar"的时候不会把"solaris"里的词片段算入结果：

  def calc_green_count(post_text):
      text = str(post_text).lower()
      count = 0
      for word, pattern in pattern_map.items():
          count += len(pattern.findall(text))
      return count
  

• 第三步：给原数据集新增统计列
  直接对Post列逐行应用计数函数，生成的新列就是每条帖子的绿色词汇总出现次数：

  post_df["green_word_total"] = post_df["Post"].apply(calc_green_count)
  
  # 处理完成后导出保存即可
  post_df.to_csv("post_with_green_count.csv", index=False)
  

适配提示：如果你的帖子/词汇是中文，把正则整词匹配的逻辑换成直接字符串计数就行，也就是把计数部分改成count += text.count(word)，不需要用\b做英文单词边界判断。

附参考样例：
原数据集样式：

匹配用词典样式：

内容的提问来源于stack exchange，提问作者Sarah K.