如何在R中使用星号通配符匹配并统计数据框内目标词的出现频次

问题原因 #

你当前使用==做精确全等匹配，不会识别*的通配符语义，因此带星号的条目无法匹配到符合前缀规则的单词，统计结果不符合预期。另外还要注意区分带通配符和不带通配符的匹配逻辑，避免不带通配符的条目出现模糊匹配的问题。

修复代码 #

Items <-  c('decid*','head', 'heads')
df1<-data.frame(Items)
words<- c('head', 'heads', 'decided', 'decides', 'top', 'undecided')
df_main<-data.frame(words)
item <- vector() 
count <- vector()
for (i in 1:length(unique(Items))){ 
  item[i] <- Items[i]
  if (grepl("\\*", item[i])) {
    # 带通配符的条目：将*转为正则的任意匹配规则，锚定前缀避免匹配到中间含对应字符的单词
    pattern <- sub("\\*", ".*", paste0("^", item[i]))
    count[i] <- sum(grepl(pattern, df_main$words))
  } else {
    # 不带通配符的条目：保留原精确匹配逻辑
    count[i] <- sum(df_main$words == item[i])
  }
} 
word_freq <- data.frame(cbind(item, count))
word_freq

输出结果 #

运行上述代码后即可得到你期望的统计结果：

补充说明 #

如果你的通配符不需要限制前缀匹配（即允许匹配单词任意位置包含对应字符的内容，比如decid*也统计undecided），只需要去掉paste0("^", item[i])中的^锚定符即可。

内容的提问来源于stack exchange，提问作者Asghar