dplyr 无法计算向量中的子字符串

【问题标题】：dplyr fails to count substring in vectordplyr 无法计算向量中的子字符串
【发布时间】：2021-05-01 13:36:31
【问题描述】：

我需要递归计算子字符串x 在字符串向量data$y 中出现的次数

data <- data.frame(x=c("aa","bb","cc"),y=c("a & aa & aaa","b","aa"))

desiderata <- data %>%
  group_by(x) %>%
  summarise(n=sum(grepl(x,y)))

desiderata <- data.frame(x=c("aa","bb","cc"),n=c(3,0,0))

【问题讨论】：

你确定第一条记录是3吗？我认为应该是 2？

标签： r dataframe dplyr plyr grepl

【解决方案1】：

如果我理解正确，第一条记录应该是 2。这是解决方案：

library(stringr)

data %>%
  group_by(x) %>%
  summarise(n = str_count(y, x))

输出：

  x         n
  <chr> <int>
1 aa        2
2 bb        0
3 cc        0

关于代码 - 我认为您不需要 group_by 和 summarise - mutate 可以正常工作，并且您有完整的列供参考：

data %>%
  mutate(n = str_count(y, x))

输出：

   x            y n
1 aa a & aa & aaa 2
2 bb            b 0
3 cc           aa 0

【讨论】：