如何用R语言基于同一条件批量筛选多个数据框的子集？

问题背景 #

现有三个数据框dm6、mm10、hg38，结构示例如下（以dm6为例）：

head(dm6)
    chr  txStart    txEnd strand geneName  refGeneName geneLength
1 chr3L 19751440 19793319      -  CG42637 NM_001007095      41877
2 chr2L   870714   876537      +    PNUTS NM_001014453       5824
3 chr2L   871344   873648      +    PNUTS NM_001014454       2305
4 chr2L   870714   873648      +    PNUTS NM_001014455       2935
5 chr2L  1792557  1793018      -    Gr22b NM_001014456        462
6 chr2L  1997602  2006063      -  CG33543 NM_001014458       8462
    gbRPK_NHS  gbRPK_HS20 FC_HS20_vs_NHS log2FC_HS20_vs_NHS
1  685.348600  282.196300      0.4117558         -1.2801390
2 4466.123000  838.157600      0.1876701         -2.4137290
3 6268.892000 1036.923000      0.1654077         -2.5959010
4 6723.241000 1176.968000      0.1750596         -2.5140820
5    4.329004    2.164502      0.5000000         -1.0000000
6   12.455380   14.105770      1.1325050          0.1795171
  dRPK_HS20_vs_NHS Regulation pVal_DESeq2_HS20_vs_NHS
1      -403.152400     DownHC            4.247334e-02
2     -3627.965000     DownHC            5.838478e-05
3     -5231.969000     DownHC            1.866207e-05
4     -5546.273000     DownHC            2.595508e-05
5        -2.164502      UnReg            7.866483e-01
6         1.650396      UnReg            9.002195e-01

需求是批量筛选出每个数据框中Regulation列值为"UpHC"的行，避免逐个调用subset。

用户尝试了以下方法但失败：

# 错误的列表创建方式
df <- c("dm6"=dm6, "mm10"=mm10, "hg38"=hg38)
# 错误的lapply调用
df_up <- lapply(df, subset, df[grepl("Regulation", names(df))] == "UpHC")

得到的结果是拆分后的空向量列表，不符合预期。

错误原因 #

用c()组合数据框会把每个数据框拆成单独的列向量，生成的不是数据框列表，而是一个包含所有列的大列表，这导致后续lapply遍历的是单个列而非整个数据框。

正确解决方案 #

步骤1：创建正确的数据框列表 #

用list()而非c()来组合数据框，这样每个元素都是完整的数据框：

df_list <- list(dm6 = dm6, mm10 = mm10, hg38 = hg38)

步骤2：用lapply批量筛选 #

有两种常用方法：

方法1：使用subset函数

在lapply中直接指定筛选条件，subset会自动识别每个数据框的列：

df_up <- lapply(df_list, subset, Regulation == "UpHC")

方法2：使用索引筛选（更直观）

如果习惯用数据框索引的方式，也可以写匿名函数：

df_up <- lapply(df_list, function(x) x[x$Regulation == "UpHC", ])

步骤3：（可选）将筛选结果放回全局环境 #

如果需要把每个筛选后的子集单独作为变量（比如dm_up、mm_up、hg_up），可以用list2env：

# 先给列表元素重命名为目标变量名
names(df_up) <- paste0(names(df_up), "_up")
# 放入全局环境
list2env(df_up, envir = .GlobalEnv)

这样就完成了批量筛选，df_up是包含三个筛选后数据框的列表，或者直接得到三个单独的子集变量。

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