R语言层级管理数据处理优化：将循环生成多tibble改为直接输出列表

你原来的思路完全能实现需求，但确实可以用更贴合R惯用风格的方式来优化——彻底避免生成大量全局环境中的临时tibble，转而用函数式编程的思路直接构建最终结果，全程不需要assign或者ls()这类容易污染全局环境的操作。

优化方案代码 #

library(tibble)
library(purrr)

# 定义层级范围（示例是1到3，扩展到Level8时只需改成1:8）
levels <- 1:3

# 生成所有需要的层级配对：员工层级i ≤ 关联部门层级k
level_pairs <- expand.grid(employee_level = levels, dept_level = levels) %>%
  filter(employee_level <= dept_level)

# 遍历每个层级配对，直接生成合并后的结果
employees_departments <- level_pairs %>%
  pmap_dfr(function(employee_level, dept_level) {
    # 提取当前配对对应的列名
    target_cols <- c(
      paste0("LV", employee_level, "_Employee_Name"),
      paste0("LV", employee_level, "_Employee_Nbr"),
      paste0("LV", dept_level, "_Department"),
      paste0("LV", dept_level, "_Department_Nbr")
    )
    
    # 提取数据、去重、重命名列
    data %>%
      select(all_of(target_cols)) %>%
      distinct() %>%
      setNames(c("Employee", "Employee_Id", "Department", "Department_Number"))
  }) %>%
  # 过滤空部门记录
  filter(!is.na(Department)) %>%
  # 全局去重确保无重复
  distinct()

代码逻辑解释 #

1. 生成层级配对：用expand.grid生成所有可能的员工层级与部门层级组合，再过滤出员工层级 ≤ 部门层级的配对——这和你原循环里i从1到3、k从i到3的逻辑完全一致，但更直观。
2. 函数式遍历合并：用pmap_dfr遍历每个层级配对，自动将处理后的小数据框按行合并成一个大tibble。全程没有任何临时全局对象，所有中间操作都在函数内部完成。
3. 简化列处理：用select(all_of(target_cols))替代手动拼接列的操作，更清晰也更不易出错；在每个配对处理时就调用distinct()，提前减少重复数据，提升整体效率。

对比原代码的优势 #

• 完全摒弃了assign和mget(ls(...))这类操作，避免了全局环境污染，符合R函数式编程的最佳实践。
• 代码结构清晰，每一步逻辑一目了然，后期扩展到Level8只需要修改levels <- 1:3为1:8即可，维护成本极低。
• 不需要手动删除临时对象，减少了出错概率，代码也更简洁。

内容的提问来源于stack exchange，提问作者Dan