R语言统计字符串多模式组合计数并创建新列的优化方案

现有一个数据框，其中一列存储以下划线_分隔的长字符串，需要从该长字符串中统计仅由事件A、B构成的各类交替模式组合的出现次数，忽略其他无关字符。
待统计的模式既包含A_B、B_A这类两个事件的基础交替组合，也包含A、B连续交替重复n次形成的更长组合，需要统计每类组合在对应字符串中的总出现次数。
注意：非A/B的字符会作为连续AB序列的分隔符，不允许跨非A/B字符匹配模式，模式计数支持重叠匹配。

participant <- c("A", "B", "C")
trial <- c(1,1,2)
string_pattern <- c("A_B_A_C_A_B", "B_A_B_A_C_D_A_B", "A_B_C_A_B")

df <- data.frame(participant, trial, string_pattern)

participant trial  string_pattern A_B B_A A_B_A B_A_B B_A_B_A
1           A     1     A_B_A_C_A_B   2   1     1     0       0
2           B     1 B_A_B_A_C_D_A_B   2   2     1     1       1
3           C     2       A_B_C_A_B   2   0     0     0       0

注：原提问中第一行A_B_A计数为2属于笔误，按匹配规则实际计数为1

之前逐模式手动编写计数规则的代码如下，随着待统计组合数量增加，手动枚举的方式效率极低，容易遗漏：

revised_df <- df%>%
                 dplyr::mutate(A_B = stringr::str_count(string_pattern, "A_B"),
                               B_A = stringr::str_count(string_pattern, "B_A"),
                               B_A_B = string::str_count(string_pattern, "B_A_B"))

通过自动生成所有目标长度的AB交替模式，批量完成计数，无需手动逐一枚举规则：

library(tidyverse)

# 配置需要统计的模式最大长度（模式包含的A/B事件个数，示例最长为5个事件）
max_pattern_len <- 5

# 自动生成所有AB交替模式
patterns <- map(2:max_pattern_len, function(k){
  a_start <- paste0(rep(c("A","B"), length.out = k), collapse = "_")
  b_start <- paste0(rep(c("B","A"), length.out = k), collapse = "_")
  c(a_start, b_start)
}) %>% unlist()

# 定义模式计数函数
count_ab_patterns <- function(input_str, target_patterns) {
  # 提取所有被非AB字符分隔的连续AB交替片段
  ab_segments <- str_extract_all(input_str, "(?:A_B)+(?:_A)?|(?:B_A)+(?:_B)?")[[1]]
  
  # 批量统计所有模式的出现次数
  map_dfc(target_patterns, function(p){
    # 用正向预查正则实现重叠匹配
    match_regex <- paste0("(?=", p, ")")
    count_sum <- sum(str_count(ab_segments, match_regex))
    tibble(!!p := count_sum)
  })
}

# 应用到数据框，生成最终结果
revised_df <- df %>%
  mutate(map_dfr(string_pattern, count_ab_patterns, target_patterns = patterns))

方案说明 #

• 只需修改max_pattern_len参数，即可自动生成所有长度从2到设定值的AB交替模式，无需手动编写每个模式的匹配规则
• 自动过滤非A/B字符的影响，仅在连续的AB交替片段内统计，不会跨无关字符匹配
• 采用正向预查正则实现重叠匹配，符合滑动窗口计数的需求
• 输出结果直接按列绑定到原数据框，和期望输出格式一致

内容的提问来源于stack exchange，提问作者Balachandar Kaliappan