r - 使用 group by 计算 R 中列中子字符串的出现次数

Question

我想计算一个字符串在列中的出现次数......每组。在这种情况下，字符串通常是字符列中的子字符串。

我有一些数据，例如

ID   String              village
1    fd_sec, ht_rm,      A
2    NA, ht_rm           A
3    fd_sec,             B
4    san, ht_rm,         C

我开始使用的代码显然不正确，但我没有发现我可以在列中使用 grep 函数并按村庄分组

impacts <- se %>%  group_by(village) %>%
summarise(c_NA = round(sum(sub$en41_1 ==  "NA")),
          c_ht_rm = round(sum(sub$en41_1 ==  "ht_rm")),
          c_san = round(sum(sub$en41_1 ==  "san")),
          c_fd_sec = round(sum(sub$en41_1 ==  "fd_sec")))

理想情况下我的输出是:

village  fd_sec  NA  ht_rm  san
A        1       1   2 
B        1
C                    1      1

提前谢谢你

Answer 1

我们可以通过 base R 做到这一点由 split将 'String' 列与 'village' 匹配，然后通过在 , 处拆分将 'String' 拆分为子字符串后跟零个或多个空格( \\s* )，stack list分成两列data.frame并通过 table 获取频率

table(stack(lapply(split(df1$String, df1$village), 
            function(x) unlist(strsplit(x, ",\\s*"))))[2:1])
#  values
#ind fd_sec ht_rm NA san   
#  A      1     2  1   0
#  B      1     0  0   0
#  C      0     1  0   1

---

或使用 tidyverse ，按“村庄”分组后，通过使用 separate_rows 拆分“字符串”重新整形为“长”格式, filter找出'String'中具有空白值的行，count频率和spread它为“宽”格式

library(dplyr)
library(tidyr)
df1 %>%
   group_by(village) %>% 
   separate_rows(String, sep=",\\s*") %>%
   filter(nzchar(String)) %>% 
   count(village, String) %>% 
   spread(String, n, fill = 0)
# A tibble: 3 x 5
# Groups: village [3]
#  village fd_sec ht_rm  `NA`   san
#* <chr>    <dbl> <dbl> <dbl> <dbl>
#1 A         1.00  2.00  1.00  0   
#2 B         1.00  0     0     0   
#3 C         0     1.00  0     1.00