如何基于参数DataFrame为多个DataFrame计算新增列值？

前提说明 #

假设你有一个存储所有待处理DataFrame的列表（比如命名为df_list），每个元素都是你描述的结构；参数DataFrame命名为param_df。另外注意：你提供的自定义函数里的s参数，在param_df中未找到对应列，这里默认用param_df里的p列替代，若实际为其他列可自行替换。

步骤1：修正自定义函数 #

先优化函数格式并添加基础校验（避免计算错误）：

test <- function(s, r, t, m, n, a) {
  # 校验t不能小于等于r，防止计算报错
  if (any(t <= r)) stop("t的值不能小于等于r，请检查数据")
  (((((s - r)/(t - r))^(1/m) - 1)^(1/n))/a)
}

步骤2：批量处理DataFrame #

根据参数匹配方式分两种场景：

场景1：按顺序一一对应参数行 #

如果待处理DataFrame列表的元素顺序，和param_df的行顺序完全对应（比如第1个df对应param_df第1行参数），可以用循环或purrr批量处理：

基础循环写法

for (i in seq_along(df_list)) {
  # 取出对应行的参数
  params <- param_df[i, ]
  # 计算并添加新列
  df_list[[i]]$calc_result <- test(
    s = params$p,
    r = params$r,
    t = df_list[[i]]$t,
    m = params$m,
    n = params$n,
    a = params$a
  )
}

purrr简洁写法

先加载purrr包：

library(purrr)

df_list <- map2(df_list, split(param_df, seq(nrow(param_df))), function(df, param_row) {
  df$calc_result <- test(
    s = param_row$p,
    r = param_row$r,
    t = df$t,
    m = param_row$m,
    n = param_row$n,
    a = param_row$a
  )
  return(df)
})

场景2：按标识匹配参数行 #

如果待处理DataFrame有Area/Sites/Plot/depth这类标识列（和param_df的对应列匹配），可以通过标识精准匹配参数：

# 先给每个待处理DataFrame添加标识列（示例：第一个df对应指定组合）
df_list[[1]]$Area <- "TB"
df_list[[1]]$Sites <- "C"
df_list[[1]]$Plot <- "num"
df_list[[1]]$depth <- 10

# 批量匹配并计算
df_list <- map(df_list, function(df) {
  # 匹配对应参数行
  param_row <- param_df[
    param_df$Area == df$Area[1] &
    param_df$Sites == df$Sites[1] &
    param_df$Plot == df$Plot[1] &
    param_df$depth == df$depth[1],
  ]
  # 添加计算列
  df$calc_result <- test(
    s = param_row$p,
    r = param_row$r,
    t = df$t,
    m = param_row$m,
    n = param_row$n,
    a = param_row$a
  )
  return(df)
})

内容的提问来源于stack exchange，提问作者julleber