如何遍历DataFrame列表，按条件批量更新Discount列？

核心思路 #

把所有结构一致的DataFrame打包成列表，通过遍历列表批量应用更新逻辑，彻底避免逐个修改变量名的重复操作。

具体步骤 #

1. 打包目标DataFrame为列表
   把需要处理的DataFrame全部放进一个列表，后续新增DataFrame直接追加到列表里就行：

   # 把要处理的DataFrame都纳入列表
   df_list <- list(DATA_KIA, DATA_HONDA, DATA_HYUNDAI)
   

2. 定义统一的更新函数
   写一个函数封装你的Discount更新逻辑，注意列名要和DataFrame实际列名完全匹配（包括大小写，比如是Age还是AGE，Discount还是DISCOUNT）：

   update_discount <- function(df) {
     df$Discount <- ifelse(
       df$Age == "0 to 2" & df$ZD == "ZD" & df$Model == "CARENS" & df$RTO == "AHMEDABAD",
       0.83,
       df$Discount
     )
     return(df)
   }
   

3. 批量处理列表中的DataFrame
   用lapply遍历列表，对每个DataFrame应用更新函数：

   # 得到处理后的DataFrame列表
   processed_df_list <- lapply(df_list, update_discount)
   

4. 将处理结果放回全局环境（可选）
   如果希望直接覆盖原有的DATA_KIA、DATA_HONDA等变量，给处理后的列表设置对应名称，再导出到全局环境：

   # 给列表设置和原DataFrame对应的名称
   names(processed_df_list) <- c("DATA_KIA", "DATA_HONDA", "DATA_HYUNDAI")
   # 导出到全局环境，覆盖原变量
   list2env(processed_df_list, envir = .GlobalEnv)
   

注意事项 #

• 所有目标DataFrame的列名必须完全一致（包括大小写），否则会出现找不到列的错误。
• 后续新增DataFrame时，只需要在第一步的list()里添加变量名，第四步的names()里同步追加即可，无需修改更新逻辑代码。

内容的提问来源于stack exchange，提问作者Prakash