如何在多数据框列表中基于变量名前缀合并列并移除冗余列

云上老周

2026-6-30

解决方案

可以用dplyr配合purrr实现批量处理，核心思路是先写一个处理单个数据框的函数，再批量应用到列表中的所有数据框上，一步完成值替换和冗余列移除。

步骤1：编写单个数据框的处理函数

这个函数会自动识别Duo:开头的列，用其非NA值覆盖对应目标列，最后删除所有Duo:列：

library(dplyr)

process_single_df <- function(df) {
  # 筛选所有以"Duo:"开头的列
  duo_cols <- grep("^Duo:", names(df), value = TRUE)
  if (length(duo_cols) == 0) return(df) # 没有Duo列直接返回原数据
  
  # 提取对应的目标列名（去掉"Duo:"前缀）
  target_cols <- sub("^Duo:", "", duo_cols)
  # 只保留存在对应目标列的Duo列，避免报错
  valid_indices <- target_cols %in% names(df)
  duo_cols <- duo_cols[valid_indices]
  target_cols <- target_cols[valid_indices]
  
  # 循环替换目标列：用Duo列的非NA值覆盖原列，原列NA则保留Duo值
  for (i in seq_along(duo_cols)) {
    df <- df %>%
      mutate(!!target_cols[i] := coalesce(!!sym(duo_cols[i]), !!sym(target_cols[i])))
  }
  
  # 删除所有Duo开头的冗余列
  df %>% select(-all_of(duo_cols))
}

步骤2：批量处理列表中的所有数据框

用purrr::map遍历列表，把上面的函数应用到每个数据框：

library(purrr)

# 示例数据列表
df_list <- list(
  df1 = tibble(side = c(NA, "right", "top"), value = 1:3, `Duo:side` = c("left", NA, "bottom")),
  df2 = tibble(size = c("small", NA, "large"), weight = 4:6, `Duo:size` = c(NA, "medium", NA))
)

# 批量处理
processed_df_list <- map(df_list, process_single_df)