R语言中统计数据框内指定文本出现次数的实现

问题核心错误 #

你之前的代码存在两个逻辑问题，导致统计结果不符合预期：

• 直接对整个数据框执行toupper(df)，本质是把数据框当列表操作，后续grep遍历列表时只会判断每一列是否包含目标词，完全不会统计列内文本的匹配次数；正确的文本处理逻辑应当先提取存储文本的Text列，而非直接操作整个数据框
• grep(pattern, x)的返回值是x中包含匹配内容的元素的位置索引，如果x是单个文本字符串，哪怕里面出现多次目标词汇，grep只会返回1个位置，用length()统计得到的是「有多少段文本包含目标词」，而非「目标词在所有文本中累计出现的次数」

正确实现方案 #

基础R实现（无需额外安装包） #

# 1. 提取文本列，统一转大写处理（也可直接在匹配时开启大小写忽略，省去转大写步骤）
text_vec <- toupper(df$Text)
# 2. 匹配所有出现的目标词汇，fixed=TRUE指定为固定字符串匹配，避免正则特殊字符干扰
match_result <- gregexpr("COVID", text_vec, fixed = TRUE)
# 3. 统计累计出现次数
total_covid_count <- sum(lengths(match_result))

运行后得到的total_covid_count为2，符合预期。
如果不想手动转大写，可直接在匹配时加入忽略大小写参数：

match_result <- gregexpr("COVID", df$Text, ignore.case = TRUE, fixed = TRUE)
total_covid_count <- sum(lengths(match_result))

tidyverse生态实现（可读性更高） #

使用stringr包的统计函数可以更直观完成需求：

# 加载依赖包
library(stringr)
# 直接统计匹配次数，fixed参数自动适配大小写匹配，避免正则特殊字符干扰
total_covid_count <- str_count(df$Text, pattern = fixed("COVID", ignore_case = TRUE))
# 若存在多行文本，对结果求和即可得到全局累计次数
sum(total_covid_count)

内容的提问来源于stack exchange，提问作者kaix