如何根据另一列中的字符串检测对列中的值求和并将其存储到 R 中的单独数据框中

Question

我有一个项目数据集，我正在尝试根据主题和收到的资金进行分析。 我有一个“主题”列，其中列出了几个关键字。我在列表中列出了所有可能的唯一关键字，并且我正在尝试对每个关键字求和收到的总资金，并将其存储在数据框中。

举个例子，我的初始数据集是：

df

项目	主题	资金
项目1	农业、水、食品	50 000
项目2	农业、数字化	100 000
项目3	农业、食品	50 000
项目4	城市规划、食品、水、数字	200 000
项目5	农业	30 000

我的关键字列表“keywords_list”是包含“农业”、“水”、“食品”、“数字”、“城市规划”的字符列表。

我想要的结果是：

主题分析

关键词	数	资金
农业	4	230 000
水	2	250 000
食物	3	300 000
数字化	2	300 000
城市规划	1	200 000

由于这些功能，我已经成功获得了前两列

themes_string_sep <- strsplit(df$Themes, split = ",")
keywords_list <- unlist(themes_string_sep)
themes_analysis <- as.data.frame(table(keywords_list))
keywords_list <- unique(keywords_list)

但是，我无法通过搜索关键字找到如何汇总资金的方法。 我尝试了 ifelse 函数的不同变体： 1.

themes_analysis$Funding <- 0
themes_analysis$Funding <- ifelse((str_detect(df$Themes, themes_analysis$Keywords))== TRUE, sum(themes_analysis$sum_funding, df$Funding), themes_analysis$Funding)

返回“

str_detect()

中的错误：！无法回收

string

（大小312）来匹配

pattern

（大小93）。回溯：1.base::ifelse(...) 2.stringr:: str_detect（df $主题，themes_analysis $资金）“

2)

themes_analysis$Funding <- 0
themes_analysis$Funding <- ifelse((df$Themes %in% themes_analysis$Keywords))== TRUE, sum(themes_analysis$Funding, df$Funding), themes_analysis$Funding)

返回错误“

$<-.data.frame

(

*tmp*

, Funding, value = c(318793741, 318793741, : 替换表有 312 行，替换表有 93 行”

)

3. 我也尝试过：

   themes_analysis$Funding <- sum(df[which(df$Themes %in% themes_analysis$Keywords), 3])

   这给了我每行相同的错误数字，这不是我想要的。

到目前为止我在网上找不到任何答案。

有人知道如何解决这个问题吗？

Answer 1

使用

dplyr

和

tidyr

您可以使用

dd |> 
  tidyr::separate_longer_delim(Themes, ", ") |>
  dplyr::summarize(count=n(), funding=sum(Funding), .by=Themes)

获取

          Themes count funding
1    Agriculture     4  230000
2          Water     2  250000
3           Food     3  300000
4        Digital     2  300000
5 Urban planning     1  200000

不必担心自己搜索列，只需通过为每个值创建单独的行，将多值单元格拆分为整齐的格式。

测试

dd <- data.frame(Projects = c("Project 1", "Project 2", "Project 3", "Project 4", "Project 5"), 
                 Themes = c("Agriculture, Water, Food", "Agriculture, Digital", "Agriculture, Food", "Urban planning, Food, Water, Digital", "Agriculture"), 
                 Funding = c(50000L, 100000L, 50000L, 200000L, 30000L))