在R中批量处理同列名数据框列表：purrr与dplyr结合实现数据整理

关于purrr::map的效率 #

purrr::map完全是高效且合适的解决方案——它属于tidyverse生态的核心工具，专门用于批量处理列表类结构，相比手动写for循环，代码更简洁易读，底层实现也是向量式操作，执行效率和循环相当，但可读性和可维护性远胜一筹。它和dplyr的所有函数（包括mutate、case_when、coalesce）完美兼容，完全能满足你的批量数据整理需求。

批量处理代码示例 #

以下是可直接运行的代码，包含模拟数据、整理函数和批量处理逻辑：

1. 加载依赖包 #

library(tidyverse)

2. 模拟你的数据框列表 #

假设你有3个结构完全一致的数据框，列名包含status、status_backup：

# 构造示例数据框
df1 <- tibble(
  id = 1:5,
  status = c("Y", "N", NA, "Y", "Unknown"),
  status_backup = c(NA, "Y", "N", NA, "N")
)

df2 <- tibble(
  id = 6:10,
  status = c(NA, "N", "Y", "Unknown", NA),
  status_backup = c("Y", NA, NA, "N", "Y")
)

df3 <- tibble(
  id = 11:15,
  status = c("N", NA, "Unknown", "Y", NA),
  status_backup = c(NA, "Y", "N", NA, "Unknown")
)

# 组合成列表
df_list <- list(df1, df2, df3)

3. 定义单个数据框的整理函数 #

把你需要的case_when映射、coalesce合并、过滤逻辑封装成函数：

clean_single_df <- function(df) {
  df %>%
    # 用case_when做字段值映射
    mutate(
      status_clean = case_when(
        status %in% c("Y", "Yes") ~ "有效",
        status %in% c("N", "No") ~ "无效",
        TRUE ~ NA_character_
      ),
      status_backup_clean = case_when(
        status_backup %in% c("Y", "Yes") ~ "有效",
        status_backup %in% c("N", "No") ~ "无效",
        TRUE ~ NA_character_
      )
    ) %>%
    # 用coalesce合并字段，优先取status_clean的值，空值则用backup
    mutate(final_status = coalesce(status_clean, status_backup_clean)) %>%
    # 过滤final_status为空的行
    filter(!is.na(final_status)) %>%
    # 可选：移除中间临时列
    select(-status_clean, -status_backup_clean)
}

4. 批量处理整个列表 #

用purrr::map将整理函数应用到列表的每个数据框：

# 批量处理，得到整理后的新列表
cleaned_df_list <- map(df_list, clean_single_df)

# 查看第一个整理后的结果
print(cleaned_df_list[[1]])

如果你需要将所有整理后的数据框合并成一个大的数据框，可以用map_dfr替代map：

# 批量处理并合并为单个数据框
combined_cleaned_df <- map_dfr(df_list, clean_single_df)

内容的提问来源于stack exchange，提问作者AR459