如何计算R中数据框中某个单词的每次出现？

Question

以下是我在 R 中的数据框中的条目的一些示例。

• [1]“0”
• [2]“温暖”
• [3]“触摸”
• [4] “刺痛”
• [5]“触摸，压力”
• [6]“压力”
• [7]“刺痛，其他（描述）”
• 等等……

我想计算以下单词的每一次出现：疼痛、刺痛、触摸、抓挠、其他（描述）、压力、发痒、温暖、寒冷。

但是，当我这样做时 sum(DF=="Touch") 它只计算某人仅输入“触摸”但例如不输入“触摸，压力”的单元格。我如何计算出现“触摸”一词的每个单元格，无论它是否与另一个词一起出现？任何帮助将不胜感激:)，我就是想不通。

Answer 1

如果我们想计算一个子字符串单词，那么使用grepl 来查找特定的单词模式，通过使用lapply、Reduce 循环遍历数据集并执行元素加法 (+) 和取向量的sum

sum(Reduce(`+`, lapply(DF, grepl, pattern = "\\bTouch\\b")))
#[1] 5

如果我们将数据更改为matrix 和as.matrix，则可以使其更紧凑

sum(grepl("\\bTouch\\b", as.matrix(DF)))
#[1] 5

注意：\\b - 指定正则表达式中的单词边界。如果我们没有这些，那么它可能会匹配 'Touching'、'Touchy' 和 'Touch'

---

它可以被包装在一个函数中

f1 <- function(dat, word) {
         pat <- paste0("\\b", word, "\\b")
         count <- sum(Reduce(`+`, lapply(dat, grepl, pattern = pat)))
       return(count)
  }

f1(DF, "Touch")
#[1] 5

这也可以应用于多个单词

sapply(c("Warm", "Touch"), function(x) f1(DF, x))
# Warm Touch 
#    2     5 

数据

DF <- structure(list(Col1 = c("0", "Warm", "Touch", "Tingling", 
     "Touch, Pressure", 
"Pressure"), Col2 = c("Touch", "Warm", "0", "Tingling", "Touch, Pressure", 
"Pressure, Touch")), class = "data.frame", row.names = c(NA, 
-6L))