R语言：50个同结构年度DataFrame按国籍整理为时序数据需求

你提到的用列表处理完全可行，这正是R中批量处理多个同结构DataFrame的标准方式。下面是一步步的实操代码，适合新手理解：

1. 准备工作：加载工具包 #

先安装并加载tidyverse（包含数据处理常用的dplyr、purrr、tidyr等包）：

# 第一次使用需安装
install.packages("tidyverse")
library(tidyverse)

2. 把所有年度DataFrame放进列表 #

不用手动逐个输入，用代码批量获取df_1到df_50：

# 生成所有DataFrame的名称，批量存入列表
df_list <- mget(paste0("df_", 1:50))
# 给每个列表元素添加年份标识（df_1对应年份1，以此类推）
df_list <- map2(df_list, 1:50, ~ mutate(.x, year = .y))

3. 合并成统一的DataFrame #

把分散的年度数据合并成一个大表，方便后续整理：

combined_df <- bind_rows(df_list)

合并后的数据结构是：每行对应某一年某国籍的total和male数值，包含nationality、total、male、year四列。

4. 生成每个国籍的独立DataFrame #

根据你要的「每一列对应一个年份」的格式，分两种常用情况处理：

情况1：行是指标（total/male），列是年份 #

这种格式更直观展示不同指标的年度变化：

# 先转成长格式，再转宽格式并按国籍拆分
nationality_dfs <- combined_df %>%
  pivot_longer(cols = c(total, male), names_to = "indicator", values_to = "value") %>%
  pivot_wider(names_from = year, values_from = value) %>%
  group_split(nationality, .keep = FALSE)

# 给列表元素命名，方便直接调用（比如德国的数据就是nationality_dfs$german）
names(nationality_dfs) <- unique(combined_df$nationality)

生成的德国数据结构示例：

indicator year1 year2
  <chr>     <dbl> <dbl>
1 total       500   800
2 male        400   300

情况2：列是「年份_指标」的组合 #

如果需要把同一年份的两个指标放在相邻列：

# 直接转宽格式，再按国籍拆分
nationality_dfs <- combined_df %>%
  pivot_wider(names_from = year, values_from = c(total, male)) %>%
  group_split(nationality, .keep = FALSE)

names(nationality_dfs) <- unique(combined_df$nationality)

生成的德国数据结构示例：

total_1 total_2 male_1 male_2
    <dbl>   <dbl>  <dbl>  <dbl>
1     500     800    400    300

5. 绘制时间序列图 #

以情况1的德国数据为例，转成长格式后用ggplot画图：

nationality_dfs$german %>%
  pivot_longer(cols = -indicator, names_to = "year", values_to = "value") %>%
  mutate(year = as.integer(year)) %>%
  ggplot(aes(x = year, y = value, color = indicator)) +
  geom_line(linewidth = 1) +
  labs(title = "德国人口趋势", x = "年份", y = "人数")

关键说明 #

用列表处理多个同结构数据是R的核心技巧之一，避免了手动处理50个DataFrame的重复劳动，后续修改或扩展操作也只需调整批量处理的代码即可。

内容的提问来源于stack exchange，提问作者clara_____