如何用for循环批量处理R数据框，转换列类型并清理无效行？

先修正你原代码的逻辑问题 #

你原来的代码第二步又调用了原始的df_2022，等于第一步的过滤操作白做了，得改成连贯的链式处理：

library(dplyr)

# 单个数据框的正确处理逻辑
process_single_df <- function(data) {
  data %>%
    # 过滤掉c1无法转为数值的行
    filter(!is.na(as.numeric(c1))) %>%
    # 将c1、c2转为数值型（新版本dplyr推荐用across替代mutate_at）
    mutate(across(c('c1', 'c2'), as.numeric)) %>%
    # 移除含NA的行
    na.omit()
}

为什么会出现"$ operator is invalid for atomic vectors"错误 #

你提到“将数据框的名称存储为一个列表”，大概率是存成了字符向量（比如c("df_2022", "df_2023")），而不是把实际的数据框对象放进列表里。字符向量属于原子向量，不能用$访问列，自然会触发这个错误。

正确的批量处理步骤 #

1. 把实际数据框存入列表
   如果你的数据框都是df_2022、df_2023这类命名规则，可以自动批量获取：

   # 获取所有以df_开头的数据框，存为列表
   df_list <- mget(ls(pattern = "^df_"))
   

   如果是手动指定数据框，直接把对象放进列表即可：

   df_list <- list(df_2022, df_2023, df_2024, ...)
   # 给列表元素命名，方便后续识别
   names(df_list) <- c("df_2022", "df_2023", "df_2024", ...)
   

2. 批量处理列表中的数据框
   用基础R的lapply或者tidyverse的purrr::map批量应用处理函数：

   # 基础R方式
   processed_df_list <- lapply(df_list, process_single_df)
   
   # tidyverse方式（需先加载purrr）
   library(purrr)
   processed_df_list <- map(df_list, process_single_df)
   

3. （可选）将处理后的数据框放回全局环境
   若需要把处理结果还原为单个数据框对象（不推荐，建议保留列表形式管理），可以用：

   list2env(processed_df_list, envir = .GlobalEnv)
   

内容的提问来源于stack exchange，提问作者Joakim Pejer