使用lapply()时为何会读取到不需要的Excel工作表？

问题场景 #

接手了别人写的R代码，用来批量提取多家医疗诊所Excel里的财务数据：

• 每家诊所的Excel里，每个工作表对应一个月份的数据
• 用lapply()遍历指定季度的月份，只提取对应季度的数据
• 其中一家诊所的Excel只有2022年1月、2月的工作表，这次要做四季度（10-12月）更新，按道理不该出现这家诊所的1、2月数据
• 跑脚本时，这家诊所的Excel因为找不到October工作表报错，在RStudio里跳过错误后脚本跑完了，但最终输出里居然还是有这家诊所的1、2月数据

问题根源 #

核心问题出在函数没初始化内部变量，而且全局环境里留着旧的dat数据：

1. 这次要提取四季度的三个月份（10、11、12月），但这家诊所的Excel里只有1、2月的工作表，所以read_excel找October工作表时直接报错
2. 在RStudio里跳过错误后，函数接着往下跑，但这时候dat变量根本没被read_excel创建出来
3. R找不到函数内部的dat，就会去全局环境里找——而之前测试代码时生成的1、2月数据正好存在全局的dat里
4. 后续代码直接给这个旧的dat加月份、年份、诊所名称，然后返回，结果旧数据就混进新输出里了

另外，代码完全没做错误处理，全靠手动跳过错误，这也让问题更容易发生。

解决方案 #

1. 给函数内部变量初始化，杜绝引用全局旧数据 #

在函数开头先把dat设为空数据框，就算read_excel报错，也不会去全局环境找旧数据：

MClist22 = lapply(quarter, function(x){ 
      dat <- data.frame() # 先初始化空数据框
      tryCatch({
          # 只有工作表存在时，才执行提取逻辑
          dat = read_excel(MCPath22, sheet = x, skip = 1)[c(1,2)] 
          names(dat) = names
          dat$Month = x
          dat$Year = year
          dat$Location = "Medical Center"
      }, error = function(e){
          # 捕获错误，打印提示，不中断后续迭代
          message(paste("跳过不存在的工作表:", x))
      })
      return(dat)
      })

2. 用tryCatch自动处理不存在的工作表 #

用tryCatch捕获read_excel的错误，不用手动跳过：

• 工作表存在时，正常提取数据
• 工作表不存在时，自动打印提示，返回空数据框，不影响后面的月份遍历

3. 合并前过滤空数据框 #

把MClist22里的空数据框过滤掉，避免合并出无效行：

MC_newdata = do.call(rbind, Filter(NROW, MClist22)) %>% 
  select(Medication, `Total WAC`, Month, Year, Location) %>%
  mutate(Date.Added = Sys.time())

Filter(NROW, MClist22)会只保留有数据的框，空的直接过滤掉。

4. 清理全局环境旧变量（可选） #

在脚本开头加rm(list = ls())（注意：会清空全局环境所有变量，确保你没重要数据在里面再用），或者每次跑脚本前手动删掉dat这类临时变量，防止旧数据捣乱。

内容的提问来源于stack exchange，提问作者JKA99