R语言如何统计数据框单元格内逗号分隔的双词物种学名的出现频次

解决方案 #

你可以直接使用tidyr的separate_rows拆分物种列后统计，完全不需要调用文本挖掘相关包，逻辑更简单：

1. 加载依赖包

library(dplyr)
library(tidyr)

2. 数据处理代码

result <- df1 %>%
  # 按`, `分割单个单元格内的多个物种，拆分为独立行
  separate_rows(Spp, sep = ", ") %>%
  # 按物种名分组统计出现频次
  count(Spp, name = "Freq") %>%
  # 按频次降序排列，匹配你需要的输出顺序
  arrange(desc(Freq))

3. 输出结果
   打印result即可得到你要求的格式：

# A tibble: 3 × 2
  Spp              Freq
  <chr>           <int>
1 Genus1 species1     3
2 Genus1 species2     2
3 Genus2 species1     1

如果你坚持要用语料库方案实现，需要自定义词典，将所有完整的Genus species学名加入分词词典，避免被拆分为单个单词，不过对这种结构化的逗号分隔数据来说没必要用该方案。

内容的提问来源于stack exchange，提问作者tassones