在 R 中计算字符串答案

【问题标题】：Counting strings in R在 R 中计算字符串
【发布时间】：2021-09-18 03:22:25
【问题描述】：

我有一个如下的数据集。我想分组，然后计算字符串的数量。非常感谢。

SO = c("Journal Of Business", "Journal Of Business", "Journal of Economy")

AU_UN = c("Dartmouth Coll;Wellesley Coll;Wellesley Coll",                                                                                             
          "Georgetown Univ;Fed Reserve Syst",
          "Georgetown Univ;Fed Reserve Syst")

df <- data.frame(SO, AU_UN);df

预期的答案

Journal Of Business      Dartmouth Coll (1);Wellesley Coll (2);  Georgetown Univ (1);Fed Reserve Syst (1)
Journal of Economy       Georgetown Univ (1); Fed Reserve Syst (1)

【问题讨论】：

标签： r tidyverse tidyr data-manipulation stringr

【解决方案1】：

使用base::strsplit() 我们可以提取“子字符串”。 strsplit() 返回一个 list，其中包含每行字符串的 vector。新的list-column 或nested column 可以与tidyr::unnest() 解除嵌套。要获取每个期刊的每个字符串的频率，我们使用dplyr::count()。

library(tidyverse)
df %>% 
  mutate(strings  = strsplit(AU_UN, ";")) %>% 
  unnest(strings) %>% 
  count(SO, strings)
#> # A tibble: 6 x 3
#>   SO                  strings              n
#>   <chr>               <chr>            <int>
#> 1 Journal Of Business Dartmouth Coll       1
#> 2 Journal Of Business Fed Reserve Syst     1
#> 3 Journal Of Business Georgetown Univ      1
#> 4 Journal Of Business Wellesley Coll       2
#> 5 Journal of Economy  Fed Reserve Syst     1
#> 6 Journal of Economy  Georgetown Univ      1

【讨论】：

【解决方案2】：

使用separate_rows 转换为长格式，计算行数并使用summary 转换回来。

library(dplyr)
library(tidyr)

df %>% 
  separate_rows(AU_UN, sep = ";") %>% 
  count(SO, AU_UN) %>% 
  group_by(SO) %>% 
  summarize(AU_UN = paste(sprintf("%s (%d)", AU_UN, n), collapse=";"), .groups = "drop")

给予：

# A tibble: 2 x 2
  SO                  AU_UN                                                                         
  <chr>               <chr>                                                                         
1 Journal Of Business Dartmouth Coll (1);Fed Reserve Syst (1);Georgetown Univ (1);Wellesley Coll (2)
2 Journal of Economy  Fed Reserve Syst (1);Georgetown Univ (1)

【讨论】：