如何无需共享.txt文件即可分享生成的DataFrame列表对象？

针对你要分享3个百万级行DataFrame列表的需求，以下是几个比dput()更适合的方案，完全不需要依赖原始txt文件：

1. 单对象序列化（推荐首选） #

用saveRDS()和readRDS()是R里处理单个复杂对象的标准方式，支持压缩，对大数据友好：

• 保存你的列表：

# xz压缩率最高，适合大数据，也可以选"gzip"或"bzip2"
saveRDS(your_data_list, file = "cleaned_data_list.rds", compress = "xz")

• 同事端读取：

received_data <- readRDS("cleaned_data_list.rds")

这个方法的好处是：文件体积小，读取速度快，而且同事加载后可以自定义对象名，不会覆盖现有变量。

2. 多对象保存（适合同时存多个对象） #

如果之后还要加其他对象一起分享，可以用save()和load()：

• 保存：

# 开启压缩节省空间
save(your_data_list, file = "cleaned_data_list.RData", compress = TRUE)

• 同事端读取：

load("cleaned_data_list.RData")

注意：加载后对象名和你保存时的完全一致，同事环境里如果有同名变量会被覆盖，需要提前提醒。

3. 分块导出（应对超大数据） #

如果单个rds文件还是太大，可以把列表里的每个DataFrame单独导出，再打包成压缩包：

• 保存并打包：

# 循环保存每个DataFrame
for (i in seq_along(your_data_list)) {
  saveRDS(your_data_list[[i]], file = paste0("data_frame_", i, ".rds"), compress = "xz")
}
# 打包所有rds文件（需要系统支持zip命令，或者安装zip包）
zip("cleaned_data_frames.zip", list.files(pattern = "^data_frame_.*\\.rds$"))

• 同事端读取：

# 先解压zip文件，然后读取所有rds
file_list <- list.files(pattern = "^data_frame_.*\\.rds$")
received_list <- lapply(file_list, readRDS)
# 还原原列表的命名（如果之前有设置的话）
names(received_list) <- names(your_data_list)

为什么dput()不行？因为它是把对象转换成纯文本代码，百万级行的DataFrame会生成几GB甚至更大的文本文件，不仅保存慢，同事加载时解析也会异常卡顿，完全不适合大数据场景。

内容的提问来源于stack exchange，提问作者Jesús Olivares-Jabalera