如何统计R语言DataFrame指定列变量中多个指定字符的出现次数

• str_count函数的向量化匹配规则：当输入的string参数为长度n的向量、pattern参数为长度m的向量时，会自动循环匹配两个向量的元素，而不是对每个string分别匹配所有pattern。你的代码中word列长度为4，pattern长度为2，实际匹配逻辑为：第1个单词匹配"a"、第2个匹配"p"、第3个匹配"a"、第4个匹配"p"，得到的计数结果为c(1, 0, 1, 3)。
• dplyr::mutate中直接调用sum()会对整列结果做全局聚合，返回长度为1的标量，因此所有行的num_ap都等于全局求和结果1+0+1+3=5。

方法1：调整匹配规则（推荐） #

将多个匹配字符合并为正则或的模式，长度为1的pattern会对每个单词分别统计所有匹配字符的总次数，无需额外求和：

library(tidyverse)
dat <- tibble(id = 1:4, word = c("apple", "banana", "pear", "pineapple"))
dat <- dat %>% mutate(num_ap = str_count(word, "a|p"))

方法2：逐行计算 #

如果需要保留多个pattern的写法，可以通过rowwise()指定逐行运算，sum仅对当前行的匹配结果求和：

dat <- dat %>% 
  rowwise() %>% 
  mutate(num_ap = sum(str_count(word, c("a", "p")))) %>% 
  ungroup() # 运算完成后取消行分组，避免影响后续操作

方法3：用映射函数处理 #

使用purrr::map_dbl对每个单词单独做匹配和求和：

dat <- dat %>% 
  mutate(num_ap = map_dbl(word, ~sum(str_count(.x, c("a", "p")))))

以上三种方法都可以得到你预期的num_ap结果c(3, 3, 2, 4)。

内容的提问来源于stack exchange，提问作者pd441