如何在R中无需逐个指定data.frame，批量聚合多数据集的calc_wt结果？

完全可以用purrr结合dplyr实现批量处理，不用逐个指定数据集，具体步骤如下：

1. 收集所有州级数据集到列表
   用mget()把全局环境中命名为df_1到df_50的data.frame一次性归集到列表：

   state_dfs <- mget(paste0("df_", 1:50))
   

2. 批量调用calc_wt函数
   用purrr::map()对列表内的每个数据集应用calc_wt，传入你指定的年龄范围参数：

   library(purrr)
   results_list <- map(state_dfs, calc_wt, age_min = 18, age_max = 65) # 替换为你的目标年龄范围
   

3. 合并结果为单个data.frame
   用dplyr::bind_rows()把列表中的所有结果行合并成最终数据集，效果和手动rbind完全一致：

   library(dplyr)
   final_results <- bind_rows(results_list)
   

补充技巧 #

如果需要给每个结果行加上对应州的标识（比如区分是df_1还是df_2的结果），可以直接用map_dfr一步完成合并并添加标识列：

# 先给列表元素命名为对应州编号
names(state_dfs) <- paste0("state_", 1:50)
# 批量计算+合并，同时生成state_id列
final_results <- map_dfr(state_dfs, calc_wt, age_min = 18, age_max = 65, .id = "state_id")

注意：确保calc_wt函数返回的是结构完全一致的data.frame（列名、列数相同），否则合并会报错。

内容的提问来源于stack exchange，提问作者abrar