R语言逐句统计单词字符数并将计数频率存入指定数组

你卡壳的核心原因是原有循环只遍历了列表元素本身，没有同步获取每个元素对应的句子序号，自然无法匹配array_output第2个维度（对应4个句子）的位置。以下是可直接运行的实现方案：

前置步骤（修正原有小问题） #

注意不要用list当自定义变量名，会和R内置的list()函数重名引发报错，替换为语义明确的变量名即可：

# 原始测试文本
text <- c("Three blind mice", 
          "Three blind mice", 
          "See how they run see how they run",
          "They all ran after the farmers wife who cut off their heads with a carving knife")

# 分词得到词列表
word_list <- strsplit(text, split = " ")

# 预创建维度为c(9,4,1)的数组：行对应词长1-9，列对应4个句子，第3维度固定为1
array_output <- array(0, dim = c(9,4,1))

方法1：修正原有循环逻辑（适合新手理解） #

给循环加上位置索引，统计时固定词长范围避免错位即可：

# seq_along(word_list)会生成1-4的序列，对应4个句子的位置
for(sentence_idx in seq_along(word_list)){
  # 计算当前句子所有单词的字符长度
  word_lengths <- nchar(word_list[[sentence_idx]])
  # 统计各长度出现次数，固定1-9的水平，避免某长度未出现时结果错位
  length_count <- table(factor(word_lengths, levels = 1:9))
  # 将统计结果写入数组对应位置
  array_output[, sentence_idx, 1] <- as.numeric(length_count)
}

方法2：向量化简写方案（无需手动写循环） #

用lapply完成遍历统计后直接重组为目标数组结构，代码更简洁：

# 遍历每个句子，统计1-9长度单词的出现频次
count_result <- lapply(word_list, \(words){
  as.numeric(table(factor(nchar(words), levels = 1:9)))
})
# 将列表结果按列拼接，转为要求的3维数组
array_output <- array(do.call(cbind, count_result), dim = c(9,4,1))

踩坑提醒 #

• 统计词长时必须固定1-9的取值范围：直接调用table(nchar(i))会自动跳过当前句子未出现的词长，导致统计结果长度和数组第一维的9行不匹配，写入时出现位置错乱；转为固定水平的因子后，未出现的词长会自动记为0，保证位置完全对应。
• 取列表内元素时要用双中括号[[]]，单中括号返回的还是子列表，无法直接传入nchar()计算。

内容的提问来源于stack exchange，提问作者K-J