如何统计R数据框中amenities列每行包含的设施数量

结论 #

这种方法仅在所有设施名称都不包含英文逗号的前提下成立，否则会出现计数偏高的错误，更稳妥的方法是直接解析JSON格式的字段内容后统计长度，避免边界问题。

两种实现方案

方案1：解析JSON统计（推荐，无边界问题）

你拿到的amenities列是JSON数组格式的字符串存为了因子类型，如果某个设施的名称本身就包含英文逗号（比如部分标注会写"Indoor fireplace, firewood included"这类组合设施名），统计逗号的方法就会把单个设施误算成多个，因此推荐用JSON解析的方法计算：

# 加载依赖包
library(jsonlite)
# 先把因子转成字符，再逐个解析JSON数组统计长度
airbnbT$amenity_count <- sapply(as.character(airbnbT$amenities), function(x) {
  length(fromJSON(x))
})

该方法得到的计数完全匹配实际设施数量，不需要考虑字段内容里的特殊符号问题。

方案2：统计逗号计算（仅适用于无逗号的场景）

如果你的数据集已经确认所有设施名称均不含英文逗号，也可以用统计逗号后加1的方法快速计算：

library(stringr)
airbnbT$amenity_count <- str_count(as.character(airbnbT$amenities), ",") + 1

你给出的示例中27个设施对应26个逗号，加1刚好得到正确结果。

内容的提问来源于stack exchange，提问作者Noor