这问题我熟！咱们用最直观的步骤来搞定：

步骤1：获取所有DataFrame的列表 #

假设你的生成GO频率的函数叫get_go_freq()，你用lapply批量调用后会得到一个DataFrame的列表，比如：

# 假设your_inputs是你传给lapply的输入向量/列表
df_list <- lapply(your_inputs, get_go_freq)

步骤2：合并所有DataFrame为一个大表 #

接下来要把列表里的所有小表拼在一起，这里推荐两种常用方法：

• tidyverse风格（更易读）：用dplyr::bind_rows()，自动处理不同TERM的情况：

library(dplyr)
combined_df <- bind_rows(df_list)

• base R方法（不用额外包）：用do.call(rbind, ...)拼接：

combined_df <- do.call(rbind, df_list)

步骤3：按TERM分组计算均值 #

现在就可以按TERM分组，计算每组Freq的平均值了：

• tidyverse写法：

final_result <- combined_df %>%
  group_by(TERM) %>%
  summarise(mean_freq = mean(Freq, na.rm = TRUE))  # na.rm=TRUE防止缺失值干扰结果

• base R写法：用aggregate()函数：

final_result <- aggregate(Freq ~ TERM, data = combined_df, FUN = mean, na.rm = TRUE)

举个实际例子 #

比如你的lapply返回3个DataFrame：

1. 第一个df：

2. 第二个df：

3. 第三个df：

合并后再分组计算均值，最终结果会是：

这样不管某个TERM只出现几次，都会自动计算它所有出现记录的平均值~

内容的提问来源于stack exchange，提问作者Rachel Rap