如何通过公式批量将M1-M370多个DataFrame拆分为新DataFrame？

核心思路 #

通过定义通用处理函数+循环遍历所有DataFrame，自动完成拆分并生成6个新DataFrame，避免手动重复操作。

步骤1：定义处理函数 #

先写一个函数，输入单个DataFrame，返回拆分后的6个DataFrame组成的列表。函数里包含两次拆分逻辑：先按A的中位数分高低组，再对每组按B的0.3/0.7分位数分低/中/高组。

process_df <- function(df) {
  # 按A的中位数拆分高低组（处理NA值）
  median_A <- median(df$A, na.rm = TRUE)
  high_A <- df[df$A > median_A, ]
  low_A <- df[df$A <= median_A, ]
  
  # 定义内部函数：对指定组按B的分位数拆分
  split_by_B <- function(group) {
    q30 <- quantile(group$B, probs = 0.3, na.rm = TRUE)
    q70 <- quantile(group$B, probs = 0.7, na.rm = TRUE)
    list(
      highB = group[group$B > q70, ],
      mediumB = group[group$B > q30 & group$B <= q70, ],
      lowB = group[group$B <= q30, ]
    )
  }
  
  # 拆分高低A组的B变量
  high_A_splits <- split_by_B(high_A)
  low_A_splits <- split_by_B(low_A)
  
  # 返回命名后的6个结果
  list(
    highA_highB = high_A_splits$highB,
    highA_mediumB = high_A_splits$mediumB,
    highA_lowB = high_A_splits$lowB,
    lowA_highB = low_A_splits$highB,
    lowA_mediumB = low_A_splits$mediumB,
    lowA_lowB = low_A_splits$lowB
  )
}

步骤2：循环处理所有DataFrame #

生成M1到M370的名称列表，遍历每个DataFrame，调用处理函数后将结果赋值到全局环境，命名规则和手动处理一致（如M1highA_highB）。

# 生成所有DataFrame的名称
df_names <- paste0("M", 1:370)

# 循环处理每个DataFrame
for (name in df_names) {
  # 获取当前DataFrame
  current_df <- get(name, envir = globalenv())
  # 执行拆分
  split_results <- process_df(current_df)
  # 将每个拆分结果赋值到全局环境
  for (split_suffix in names(split_results)) {
    new_df_name <- paste0(name, split_suffix)
    assign(new_df_name, split_results[[split_suffix]], envir = globalenv())
  }
}

注意事项 #

• 代码中加入了na.rm = TRUE，避免因A或B存在缺失值导致拆分失败，可根据实际数据调整。
• 原代码中的M1highX$B是笔误，已修正为对应分组的B变量引用。
• 拆分逻辑中，中位数拆分用>和<=，分位数拆分用>、<=，确保所有样本都被分到对应组（无遗漏）。

内容的提问来源于stack exchange，提问作者JH1