使用str_detect批量统计数据框中多个关键词的出现频率

架构老林

2026-9-26

前提假设

先统一命名你的数据结构，可根据你的实际变量名替换：

存储Youtube标题的dataframe命名为yt_df，标题列名为title
71个关键词的独立列表命名为keyword_list

方案1：tidyverse 简洁实现（推荐）

无需手动写循环，用purrr批量处理即可，代码容错性更高：

library(tidyverse)

result <- map_df(keyword_list, function(kw){
  # 统计当前关键词的匹配结果
  match_res <- str_detect(yt_df$title, fixed(kw, ignore_case = T))
  match_sum <- summary(match_res)
  # 构造单行统计结果
  tibble(
    `Video Title` = kw,
    `Freq True` = as.numeric(match_sum["TRUE"]),
    `Freq False` = as.numeric(match_sum["FALSE"])
  )
})

参数说明：fixed()用来避免关键词里的正则特殊字符导致匹配报错，ignore_case = T是忽略大小写匹配，如果不需要这两个规则可以直接删掉。

方案2：基础R for循环实现（匹配你提到的循环需求）

完全用基础R语法实现，无需加载额外包：

# 先初始化空结果表，提前分配内存运行效率更高
result <- data.frame(
  `Video Title` = character(length(keyword_list)),
  `Freq True` = numeric(length(keyword_list)),
  `Freq False` = numeric(length(keyword_list)),
  check.names = F
)

# 循环遍历每个关键词完成统计
for (i in seq_along(keyword_list)) {
  kw <- keyword_list[i]
  match_res <- grepl(kw, yt_df$title, ignore.case = T)
  match_sum <- summary(match_res)
  result[i,1] <- kw
  result[i,2] <- as.numeric(match_sum["TRUE"])
  result[i,3] <- as.numeric(match_sum["FALSE"])
}