R语言：按列值导出多数据框列表至Excel的报错解决

场景与问题 #

现有三个DataFrame（DF、DF2、DF3），需要按Company列的值导出独立Excel文件：每个文件对应一家公司，包含该公司在SpreadsheetA、SpreadsheetB、SpreadsheetC三个源表中的数据。但部分公司未在所有源表中出现，原代码因数据结构不匹配报错，需实现缺失数据的源表不生成对应工作表的效果。

示例数据 #

DF <- data.frame(Company=c('Alpha', 'Alpha', 'Alpha', 'Beta', 'Beta', 'Gamma', 'Epsilon'),
                 Location=c('NY', 'NY', 'CHI', 'LA', 'CHI','LA', 'LA' ),
                 ID=c('1234', '1234', '1234', '5678', '5678', '2468', '2468'),
                 Charge=c(25,25,51, 60,60, 15, 15))

DF2 <- data.frame(Company=c('Alpha', 'Alpha', 'Beta', 'Beta', 'Delta', 'Delta', 'Delta'),
                  Location=c('NY', 'NY', 'CHI', 'LA', 'CHI','LA', 'LA' ),
                  ID=c('1234', '1234', '1234', '5678', '4567', '4567', '4567'),
                  Charge=c(25,25,51, 60,60, 15, 15))

DF3 <- data.frame(Company=c('Alpha', 'Alpha', 'Beta', 'Delta', 'Delta','Delta','Delta'),
                  Location=c('NY', 'NY', 'CHI', 'LA', 'CHI','LA', 'LA' ),
                  ID=c('1234', '1234', '1234', '5678', '4567', '6789', '6789'),
                  Charge=c(25,25,51, 60,60, 15, 15))

原错误代码 #

list(
  DF, DF2, DF3
) %>%
  purrr::set_names(paste("SpreadsheetA"), paste("SpreadsheetB"), paste("SpreadsheetC"), paste("SpreadsheetD")) %>% 
  purrr::map(~ split(.x, .x$Company)) %>%
  purrr::transpose() %>%
  purrr::iwalk(~writexl::write_xlsx(.x, file.path(path, paste0("results_", .y, ".xlsx"))))

报错原因：transpose()要求每个拆分后的列表结构完全一致，但部分公司仅在部分表中存在，导致结构不匹配。

解决方案 #

核心思路：先收集所有唯一公司名，对每个公司单独遍历源表，仅保留该公司有数据的表，再导出Excel（无数据的表自动跳过，不生成工作表）。

修改后代码 #

library(purrr)
library(writexl)

# 1. 定义数据表列表并命名（修正原代码多余的SpreadsheetD）
df_list <- list(
  SpreadsheetA = DF,
  SpreadsheetB = DF2,
  SpreadsheetC = DF3
)

# 2. 获取所有数据表中出现的唯一Company值
all_companies <- df_list %>%
  map(pull, Company) %>%
  unlist() %>%
  unique()

# 3. 遍历每个公司，筛选数据并导出
walk(all_companies, function(company) {
  # 对每个源表，筛选当前公司的数据，仅保留有数据的表
  company_data <- df_list %>%
    map(~ filter(.x, Company == company)) %>%
    keep(~ nrow(.x) > 0)
  
  # 导出Excel文件，无数据的表不会生成工作表
  if(length(company_data) > 0) {
    write_xlsx(
      company_data,
      path = file.path(getwd(), paste0("results_", company, ".xlsx"))
    )
  }
})

代码说明 #

• df_list：直接给三个数据表命名为对应的源表名称，简化原代码中冗余的set_names写法。
• all_companies：收集所有出现过的公司名，确保不会遗漏任何公司。
• map(...) %>% keep(...)：对每个源表筛选当前公司的数据，用keep过滤掉空表（无数据的表）。
• 导出逻辑：仅当存在有效数据时才生成文件，避免空文件产生。

内容的提问来源于stack exchange，提问作者CuRious Coder