如何为全局环境中的所有dataframe添加自定义列？

我在全局环境中有多个DataFrame（df1、df2、df3……dfn），示例数据如下：

df1 <- data.frame(a=1:3, b=1:3, d=1:3, e=1:3)
df2 <- data.frame(a=1:3, b=1:3, d=1:3, e=1:3)
df3 <- data.frame(a=1:3, b=1:3, d=1:3, e=1:3)

# df1          # df2          # df3
# a b d e       # a b d e       # a b d e
# 1 1 1 1       # 1 1 1 1       # 1 1 1 1 
# 2 2 2 2       # 2 2 2 2       # 2 2 2 2 
# 3 3 3 3       # 3 3 3 3       # 3 3 3 3 

我想通过循环或函数，为所有这些DataFrame添加一列名为code的新列，列值对应各自DataFrame的名称，最终效果如下：

# df1                df2                 df3
# a b d e code      # a b d e code      # a b d e code
# 1 1 1 1  df1      # 1 1 1 1  df2      # 1 1 1 1  df3
# 2 2 2 2  df1      # 2 2 2 2  df2      # 2 2 2 2  df3
# 3 3 3 3  df1      # 3 3 3 3  df2      # 3 3 3 3  df3

方法一：循环遍历处理 #

先筛选全局环境中所有DataFrame的名称，再逐个修改并更新回全局环境：

# 筛选全局环境中所有DataFrame的名称
df_names <- ls(envir = .GlobalEnv)[sapply(ls(envir = .GlobalEnv), function(x) is.data.frame(get(x)))]

# 循环处理每个DataFrame
for (name in df_names) {
  current_df <- get(name, envir = .GlobalEnv)
  current_df$code <- name
  assign(name, current_df, envir = .GlobalEnv)
}

方法二：批量函数处理 #

用eapply或lapply批量操作，减少循环的冗余代码：

# 批量识别并修改DataFrame
lapply(ls(envir = .GlobalEnv), function(x) {
  obj <- get(x)
  if (is.data.frame(obj)) {
    obj$code <- x
    assign(x, obj, envir = .GlobalEnv)
  }
})

或者更简洁的写法：

# 提取并处理所有DataFrame
processed_dfs <- eapply(.GlobalEnv, function(obj, name) {
  if (is.data.frame(obj)) {
    obj$code <- name
    obj
  }
}, name = ls(.GlobalEnv))

# 将处理后的结果放回全局环境
list2env(processed_dfs, envir = .GlobalEnv)

内容的提问来源于Stack Exchange，提问作者Bartholomew