R语言多年份数据集中国家数据提取函数的优化及可变参数需求问询

你好！你的思路非常合理——先对每个大年份数据集做筛选，再合并结果，确实比先把所有大数据集合并再筛选要高效得多，能省下不少计算资源，这点抓得很准。针对你的两个需求，我给你整理了几种优化方案：

一、简化函数，避免重复代码 #

你原来的函数里重复写了8次filter逻辑，不仅冗余，以后要是新增年份（比如2022）还得修改函数参数和代码，扩展性很差。我们可以用列表批量处理的方式来简化：

方案1：传入数据集列表（推荐，扩展性最强）

把所有年份的数据集放进一个列表里，然后用批量映射的方式完成筛选和合并：

library(dplyr)
library(purrr)

Extract_Data <- function(data_list, countries) {
  # 对列表中的每个数据集批量筛选目标国家
  filtered_datasets <- map(data_list, ~filter(.x, Country %in% countries))
  # 合并所有筛选后的小数据集
  bind_rows(filtered_datasets)
}

使用的时候只需要先把年份数据整理成列表：

# 把你的8个年份数据集放进列表
yearly_data <- list(
  data2014, data2015, data2016, data2017,
  data2018, data2019, data2020, data2021
)

# 提取单个国家
Extract_Data(yearly_data, "Germany")
# 提取多个国家
Extract_Data(yearly_data, c("China", "USA", "Japan"))

方案2：保留原参数风格（兼容你的使用习惯）

如果你习惯原来直接传入单个年份数据集的方式，可以用可变参数...来接收所有年份数据，内部再转成列表处理：

library(dplyr)
library(purrr)

Extract_Data <- function(countries, ...) {
  # 把传入的所有年份数据集转成列表
  data_list <- list(...)
  filtered_datasets <- map(data_list, ~filter(.x, Country %in% countries))
  bind_rows(filtered_datasets)
}

调用方式和你原来的类似，只是把国家参数放在前面：

# 提取多个国家
Extract_Data(c("Brazil", "India"), data2014, data2015, data2016, data2017, data2018, data2019, data2020, data2021)

方案3：不用tidyverse，用base R实现

如果你不想加载tidyverse包，用base R的lapply和do.call也能完成：

Extract_Data <- function(data_list, countries) {
  filtered_datasets <- lapply(data_list, function(df) {
    df[df$Country %in% countries, ]
  })
  do.call(rbind, filtered_datasets)
}

二、支持任意数量的国家筛选 #

核心就是把原来的Country == var1改成Country %in% countries——%in%可以匹配向量中的任意值，不管你传1个、3个还是5个国家都没问题。

额外小贴士 #

• 如果不同年份的数据集列名不完全一致，bind_rows会自动把缺失的列填充为NA，如果需要严格匹配列名，可以在map里加一步select来统一列，比如：

  filtered_datasets <- map(data_list, ~.x %>% 
                              select(Country, Year, 其他需要的列) %>% 
                              filter(Country %in% countries))
  

• 如果你想给合并后的数据集加上年份标识，可以在映射的时候给每个数据集加个Year列（前提是列表有年份命名）：

  # 先给列表命名为对应年份
  yearly_data <- list(
    "2014" = data2014, "2015" = data2015, "2016" = data2016,
    "2017" = data2017, "2018" = data2018, "2019" = data2019,
    "2020" = data2020, "2021" = data2021
  )
  # 映射时添加年份列
  filtered_datasets <- imap(data_list, ~.x %>% 
                              mutate(Year = .y) %>% 
                              filter(Country %in% countries))
  

备注：内容来源于stack exchange，提问作者iturrizaga