R语言检测数据框指定列逗号分隔列表的关键词并生成标记列

核心逻辑是使用带分隔符锚定的正则匹配，无需拆分单元格即可精准识别目标词汇，不会出现误匹配、整列合并的问题。

完整可运行代码 #

# 构造示例数据框，实际使用时替换为你自己的数据框即可
df <- data.frame(
  col_name = c(
    "entertainment,recreation,offices,tourism",
    "entertainment,venues,non-essential businesses",
    "hospitality,entertainment,fitness,beauty",
    "all businesses",
    "hospitality,entertainment,fitness",
    "entertainment,religion,non-essential businesses"
  ),
  stringsAsFactors = FALSE
)

# 定义待检测的目标词汇
x_test <- c('non-essential businesses', 'all businesses')

# 构造匹配规则：确保目标词汇要么在字符串开头/结尾，要么前后是逗号，避免部分匹配
match_pattern <- paste0("(^|,)", paste(x_test, collapse = "|"), "($|,)")

# 生成新的检测列
df$test <- ifelse(grepl(match_pattern, df$col_name), "yes", "")

输出结果示例 #

运行上述代码后得到的df如下：

col_name test
1       entertainment,recreation,offices,tourism     
2 entertainment,venues,non-essential businesses  yes
3        hospitality,entertainment,fitness,beauty     
4                                  all businesses  yes
5              hospitality,entertainment,fitness     
6 entertainment,religion,non-essential businesses  yes

原尝试代码的问题说明 #

• 拆分逻辑错误：strsplit返回的是列表结构，你对拆分后的结果再次拆分、且lapply未指定处理函数，无法得到每行的词汇列表
• gsub写法错误：R正则中的反向引用需要写为\\1而非\1，且该操作仅能给逗号后添加空格，无法完成匹配需求
• 匹配逻辑错误：%in%要求待匹配元素为单个词汇，你未对每行拆分后的结果单独做交集匹配，整列处理自然无法得到正确结果

内容的提问来源于stack exchange，提问作者Prakash_S