如何按年份分组统计指定字符串在字符串列表中的出现次数

实现方案 #

首先确保已加载data.table包：

library(data.table)

按以下步骤操作即可得到目标结果：

1. 先展开name表的name0列表列，将每个年份对应的多个关键词拆分为单独行
2. 聚合text表，把同一年份下所有text0的字符串汇总为单个向量
3. 两张表按年份关联后分组统计匹配次数

完整代码如下：

# 展开name表的列表列
name_long <- name[, .(name0 = unlist(name0)), by = year]

# 按年份聚合所有text字符串
text_agg <- text[, .(text_item = unlist(text0)), by = year]

# 关联后统计匹配次数
result <- name_long[text_agg, on = .(year), allow.cartesian = TRUE
  ][, .(count = sum(grepl(name0, text_item, fixed = TRUE))), by = .(year, name0)]

代码中fixed = TRUE参数用于避免name0包含正则特殊字符时出现匹配错误，你的场景不加也可得到正确结果，加上更稳妥。运行上述代码得到的结果与你给出的示例result完全一致。

内容的提问来源于stack exchange，提问作者Vesper