如何批量导入大量RData文件？RDS导入代码适配遇阻

load()和readRDS()的核心区别在于：readRDS()直接返回单个对象，而load()是将文件中存储的所有对象加载到指定环境中，无法直接赋值。要实现批量导入，需要通过临时环境捕获加载的对象，以下是可行方案：

自定义读取RData的函数 #

先写一个函数，把load()加载的对象转换成可赋值的列表（或单个对象）：

方案1：读取文件中所有对象（返回列表） #

如果你的RData文件可能包含多个对象，用这个函数：

read_rdata <- function(path) {
  temp_env <- new.env()
  load(path, envir = temp_env)
  as.list(temp_env)
}

方案2：读取单个对象（假设每个文件仅存一个对象） #

如果每个RData文件里只有一个数据集，可简化函数直接返回该对象：

read_rdata_single <- function(path) {
  temp_env <- new.env()
  load(path, envir = temp_env)
  temp_env[[names(temp_env)[1]]]
}

批量导入的完整代码 #

替换原RDS导入代码中的readRDS为自定义函数，同时修改扩展名匹配：

fs::dir_ls(
  path = paste("C:/Users/", Sys.info()["user"],
               "/Dropbox/66_COHORTE_obe/00_RAW_DATA - copie/1_GROUPE BARIA/DIAG/CLEAN DATASET",
               sep = ""),
  glob = "*DIAG*.RData",  # 根据实际扩展名调整，也可以写"*DIAG*.rda"
  type = "file"
) %>% {
  tibble(path = .,
         data = map(., read_rdata))  # 用方案2的话就换成read_rdata_single
} -> all_files_DIAG_CLEAN

说明 #

• 临时环境temp_env用来隔离加载的对象，避免污染全局环境；
• 最终tibble的data列，方案1会存储每个文件的对象列表，方案2直接存储单个数据对象，按需选择即可。

内容的提问来源于stack exchange，提问作者Seydou GORO