如何用lapply为列表中各DataFrame的每行分配唯一ID？

需求背景 #

现有一个名为files的DataFrame列表，单个DataFrame示例如下：

> head(files[[1]])
  HabStruct      SAR      SYM     WYLD
1  23.86667 7.924466 89.67190 95.39818
2  39.13333 9.805045 51.92198 92.27685
3  28.71667 9.440875 79.60088 92.15163
4  32.38333 9.278004 80.52912 93.11543
5  40.31667 8.913012 70.70845 93.45704
6  32.40000 9.518270 79.00460 92.21223

> head(files[[2]])
  HabStruct      SAR      SYM     WYLD
1  23.86667 7.924466 89.67190 95.39818
2  31.35000 9.278004 80.31146 92.84485
3  32.01667 9.192081 68.95144 93.64491
4  40.46667 8.705506 69.15392 93.91231
5  33.65000 9.518270 68.43120 92.04382
6  36.33333 9.871752 65.28246 91.16261

需要为列表中每个DataFrame新增ID列，格式为列表索引.行索引，最终效果示例：

> head(files[[1]])
  HabStruct      SAR      SYM     WYLD  ID
1  23.86667 7.924466 89.67190 95.39818 1.1
2  39.13333 9.805045 51.92198 92.27685 1.2
3  28.71667 9.440875 79.60088 92.15163 1.3
4  32.38333 9.278004 80.52912 93.11543 1.4
5  40.31667 8.913012 70.70845 93.45704 1.5
6  32.40000 9.518270 79.00460 92.21223 1.6

> head(files[[2]])
  HabStruct      SAR      SYM     WYLD  ID
1  23.86667 7.924466 89.67190 95.39818 2.1
2  31.35000 9.278004 80.31146 92.84485 2.2
3  32.01667 9.192081 68.95144 93.64491 2.3
4  40.46667 8.705506 69.15392 93.91231 2.4
5  33.65000 9.518270 68.43120 92.04382 2.5
6  36.33333 9.871752 65.28246 91.16261 2.6

原嵌套for循环方案效率较低：

for (i in 1:length(files)){
  for (j in 1:nrow(files[[i]])){
    files[[i]]$ID[j] <- paste(i,j, sep='.')
  }
}

高效解决方案 #

1. 基础R lapply 实现 #

利用seq_along遍历列表索引，结合向量化操作批量生成ID列，避免逐行循环：

files <- lapply(seq_along(files), function(i) {
  df <- files[[i]]
  # 批量生成ID：列表索引 + 行索引，用点分隔
  df$ID <- paste(i, seq_len(nrow(df)), sep = ".")
  df
})

2. purrr 包简洁实现 #

如果习惯使用tidyverse工具链，purrr::imap可以同时获取DataFrame元素和对应的列表索引，写法更简洁：

library(purrr)
library(dplyr)

# 写法1：显式函数
files <- imap(files, function(df, list_idx) {
  mutate(df, ID = paste(list_idx, seq_len(nrow(df)), sep = "."))
})

# 写法2：简化的公式语法
files <- imap(files, ~ mutate(.x, ID = paste(.y, seq_len(nrow(.x)), sep = ".")))

效率说明 #

上述方案均采用向量化操作，直接为整列赋值，而非逐行修改，在数据量较大时，运行效率远高于嵌套for循环。

内容的提问来源于stack exchange，提问作者Toedi