嘿，手动统计这种序列变化确实挺费时间的，用R可以轻松自动化这个过程，我给你一步步拆解来做：

步骤1：把非结构化数据转成结构化格式 #

你给出的原始数据是一串空格分隔的字符串，我们先把它转换成R能方便处理的数据框，分成「S.T.R类型」和「Num.数值」两列：

# 输入你的原始数据
raw_data <- "S.T.R Num. S 1 R 2 T 1 S 2 S 3 S 1 T 1 S 2 S 1 R 2"

# 拆分字符串并去掉开头的表头，得到纯数据部分
data_parts <- strsplit(raw_data, " ")[[1]][-c(1, 2)]

# 转换成数据框：奇数位是S.T.R值，偶数位是Num.数值
seq_df <- data.frame(
  str_type = data_parts[seq(1, length(data_parts), 2)],
  num_val = as.integer(data_parts[seq(2, length(data_parts), 2)])
)

运行后得到的seq_df结构如下，方便后续处理：

str_type num_val
1         S       1
2         R       2
3         T       1
4         S       2
5         S       3
6         S       1
7         T       1
8         S       2
9         S       1
10        R       2

步骤2：编写统计逻辑 #

我们需要同时满足两个条件：

1. Num.数值从1变为2（当前行Num.是2，前一行Num.是1）
2. 前一行的S.T.R类型是S或T

用逻辑向量标记符合条件的位置，再求和就能得到次数：

# 标记所有"Num.从1变2"的位置（从第2行开始和前一行比较）
is_1_to_2 <- c(FALSE, seq_df$num_val[-1] == 2 & seq_df$num_val[-nrow(seq_df)] == 1)

# 标记前一行S.T.R是S/T的位置
prev_str_valid <- c(FALSE, seq_df$str_type[-nrow(seq_df)] %in% c("S", "T"))

# 统计同时满足两个条件的总次数
total_count <- sum(is_1_to_2 & prev_str_valid)

# 输出结果
cat("符合条件的次数：", total_count, "\n")

测试结果 #

用你的示例数据运行代码，会得到结果4，和手动统计的一致：

• S(1)→R(2)：符合
• T(1)→S(2)：符合
• T(1)→S(2)：符合
• S(1)→R(2)：符合

扩展说明 #

如果你的数据是存在文本文件里的，只需要把raw_data替换成读取文件的代码就行，比如用readLines()读取单行数据，或者用read.table()直接读取已结构化的文件。

内容的提问来源于stack exchange，提问作者Robert Weber