如何用cor_gather()批量处理列表中31个成对矩阵转为三列数据框？

直接用base R的lapply就能实现需求，把单个矩阵的处理逻辑嵌入匿名函数即可：

# 批量将列表中每个矩阵转换为数据框
data_dfs <- lapply(data, function(mat) {
  mat %>% cor_gather(drop.na = TRUE)
})

这段代码会遍历data列表中的每个矩阵，对每个矩阵执行你原本的cor_gather操作，最终返回一个包含31个数据框的列表data_dfs，每个数据框对应原列表中的一个矩阵。

如果需要把所有结果合并成单个数据框，并且区分每个数据框来自原列表中的哪个矩阵（原列表未命名，用索引标记），可以这样写：

library(dplyr)

# 处理后合并为单个数据框，并添加来源索引
data_combined <- lapply(seq_along(data), function(idx) {
  data[[idx]] %>%
    cor_gather(drop.na = TRUE) %>%
    mutate(source_matrix = idx)  # 新增列标记是第几个矩阵
}) %>%
  bind_rows()

若习惯使用purrr包（tidyverse生态工具），写法会更简洁：

library(purrr)
library(dplyr)

# 批量转换为数据框列表
data_dfs <- map(data, ~ .x %>% cor_gather(drop.na = TRUE))

# 直接合并为带来源标识的单个数据框
data_combined <- map_dfr(seq_along(data), ~ {
  data[[.x]] %>%
    cor_gather(drop.na = TRUE) %>%
    mutate(source_matrix = .x)
})

map与lapply功能一致，map_dfr会自动将所有结果按行合并成一个数据框，省去后续bind_rows步骤。

内容的提问来源于stack exchange，提问作者Geomicro