R语言如何统计数据框中带分隔符列的各字符串出现频次

核心处理逻辑共3步：

• 清洗原始字符串：统一把逗号后附带的空格去掉，避免同值因为前后空格被识别为不同项
• 拆分字符串：按逗号作为分隔符，把每个单元格内的多个值拆分为独立行，每个值关联原ID
• 分组计数：对拆分后的独立值做去重计数，输出「字符串」「频次」两列结果

以下是不同常用场景的具体实现代码：

SQL实现（兼容MySQL8.0+/Hive/Spark SQL等支持递归CTE的引擎） #

-- 生成连续序号用于字符串拆分，序号最大值需大于单条字符串最多可拆分出的元素个数
WITH RECURSIVE seq AS (
    SELECT 1 AS pos
    UNION ALL
    SELECT pos + 1 FROM seq WHERE pos < 100
),
split_tmp AS (
    SELECT
        DISTINCT t.ID,
        SUBSTRING_INDEX(SUBSTRING_INDEX(REPLACE(t.str_col, ', ', ','), ',', s.pos), ',', -1) AS item
    FROM your_table t -- 把your_table替换成你的实际表名，str_col替换成你的带分隔符的字符串列名
    JOIN seq s 
      ON s.pos <= LENGTH(REPLACE(t.str_col, ', ', ',')) - LENGTH(REPLACE(REPLACE(t.str_col, ', ', ','), ',', '')) + 1
)
SELECT 
    item AS `字符串`,
    COUNT(ID) AS `频次`
FROM split_tmp
WHERE item != '' -- 过滤空值
GROUP BY item
ORDER BY 频次 DESC;

基于你给出的示例数据，运行后输出结果为：

如果使用ClickHouse、PostgreSQL等自带数组拆分函数的引擎，代码可以更简洁，以ClickHouse为例：

SELECT
    item AS `字符串`,
    COUNT(DISTINCT ID) AS `频次`
FROM your_table
ARRAY JOIN splitByChar(',', replaceAll(str_col, ', ', ',')) AS item
WHERE item != ''
GROUP BY item
ORDER BY 频次 DESC;

Python Pandas实现（数据处理场景） #

import pandas as pd

# 替换成你的实际数据源
df = pd.DataFrame({
    "ID": [1, 2, 3],
    "str_col": ["A01,B02,C03", "A01,B02,C03,D04,E05", "B02, C03, D04, E05"]
})

result = (
    df["str_col"]
    .str.replace(", ", ",", regex=False) # 清洗逗号后的空格
    .str.split(",") # 按逗号拆分字符串为列表
    .explode() # 把列表元素拆分为独立行
    .value_counts()
    .reset_index()
    .rename(columns={"index": "字符串", "str_col": "频次"})
)
print(result)

运行结果和SQL版本完全一致。

Excel/ WPS表格实现（轻量办公场景） #

• 第一步：字符串清洗：选中字符串列，按Ctrl+H调出查找替换窗口，查找内容输入, （逗号+空格），替换为输入,，点击全部替换
• 第二步：分列：选中字符串列，点击顶部菜单栏「数据」-「分列」，选择分隔符号为逗号，完成拆分，让每个独立值占单独单元格
• 第三步：合并单列：如果是365/2021及以上版本，直接输入公式=TOCOL(拆分后的数据区域,1)即可把所有拆分出的值合并为单列，自动忽略空值
• 第四步：计数：选中合并后的值列，插入数据透视表，把该列字段分别拖到「行」区域和「值」区域，值字段设置为计数，即可直接得到统计结果。

内容的提问来源于stack exchange，提问作者CopperheaD