从data.frame列表中选取维度最大的对象（tidyverse方案）

更简洁的tidyverse实现（含purrr::keep的单行逻辑） #

你可以直接在keep中结合map_dbl预先计算所有data.frame的元素总数，一步完成筛选：

library(tidyverse)

dfinal <- dflist %>%
  keep(~ nrow(.) * ncol(.) == (dflist %>% map_dbl(~ nrow(.) * ncol(.)) %>% max())) %>%
  pluck(1)

如果追求更高效率（适配近百个data.frame的场景），建议先一次性计算所有元素总数，再通过索引提取，避免重复计算维度：

# 一次性计算所有data.frame的元素总数
sizes <- dflist %>% map_dbl(~ nrow(.) * ncol(.))
# 提取对应最大值的data.frame
dfinal <- dflist[[which.max(sizes)]]

关于元素总数的高效计算方式 #

你提到的reduce(dim(.), *)可以简化为更直接的nrow(df) * ncol(df)——这是R中计算data.frame元素总数的标准写法，效率更高：

• nrow()和ncol()是专门针对数据框的维度函数，底层实现更轻量化；
• length(unlist(df))会先将数据框转为向量，额外增加内存开销，若数据框包含列表列还会出现结果偏差；
• reduce(dim(...), *)本质和nrow*ncol逻辑一致，但多了一层reduce调用，效率略低。

示例验证 #

用你提供的测试数据运行上述代码，可正确返回元素总数最大的data.frame：

# 生成示例数据
df <- data.frame(
  id = c(1,2,3,4,5,6,7,8,9,10),
  c1 = c("a", "a", "c", NA, "c", "d", "c", NA, "a", "b"),
  c2 = c(25, NA, 17, 5, 50, 43, 21, 2, 1, NA), 
  c3 = c(NA, "s", "r", NA, "r", "i", NA, "r", NA, NA),
  c4 = c(1.0, 5.3, 2.9, NA, 6.1, NA, 2.5, 4.3, 9.1, 2.4),
  c5 = c(5, 6, NA, 3, 1, 6, 7, 8, 2, 1)
)

cols2drop <- c("c2", "c3", "c4", "c5")
dflist <- cols2drop %>%
  map(~ df %>% select(1:.x) %>% drop_na())

# 测试高效实现
sizes <- dflist %>% map_dbl(~ nrow(.) * ncol(.))
dfinal <- dflist[[which.max(sizes)]]
dim(dfinal) # 查看结果维度

内容的提问来源于stack exchange，提问作者Amy M