如何在DataFrame中统计多个部分字符串匹配（每行仅计数一次）

我明白你的需求啦——要统计DataFrame的Text列中每个作者出现的次数，而且不管单元格里同一个作者名出现多少次，每行只算1次。之前用sum(str_count())只能单个处理，这里给你几个简单高效的方法：

首先先把你的示例数据整理成可运行的R代码，方便后续测试：

authors <- c("Edward","Kelly","Simon")
df <- data.frame(
  Text = c(
    "Edward was the king of ...",
    "Kelly has ..",
    "Last year Simon..",
    "Did you know Edward.."
  ),
  Date = c(2011, 2014, 2009, 1999)
)

方法1：Base R 原生实现 #

用sapply遍历每个作者，结合grepl判断每行是否包含该作者（存在即记1），最后求和：

# 计算每个作者的计数
author_counts <- sapply(authors, function(name) {
  # grepl返回逻辑向量，sum自动将TRUE转为1，FALSE转为0
  sum(grepl(name, df$Text, fixed = TRUE))
})

# 转成你想要的表格格式
result <- as.data.frame(author_counts) %>%
  tibble::rownames_to_column("Author") %>%
  dplyr::rename(Count = author_counts)

print(result)

方法2：Tidyverse 风格实现 #

如果你习惯用tidyverse工具链，用purrr::map_dbl可以更简洁地完成：

library(tidyverse)

result <- tibble(Author = authors) %>%
  mutate(Count = map_dbl(Author, ~sum(grepl(.x, df$Text, fixed = TRUE))))

print(result)

关键细节说明 #

• 为什么不用str_count？因为str_count会统计每个单元格内作者名出现的次数（比如某行写了两次"Edward"会算2），而我们需要的是每行只要存在就记1，grepl正好能判断存在性，完美匹配需求。
• 参数fixed = TRUE很重要：它会让grepl做精确的字符串匹配，避免作者名里的特殊字符（比如.、*）被当作正则表达式符号处理，防止错误匹配。

运行上述代码后，你会得到期望的输出：

Author Count
1 Edward     2
2   Kelly     1
3   Simon     1

内容的提问来源于stack exchange，提问作者Bastje