如何在R中对多个DataFrame实现循环处理重复计算任务？

核心思路 #

避免手动重复编写120条语句，通过批量获取DataFrame + 统一函数处理的方式实现，以下是两种实用方案：

方案1：使用列表批量处理（推荐） #

将分散的datos1到datos120统一存入列表，再用循环函数批量计算，这是R中处理多数据集的标准实践：

# 1. 生成所有DataFrame的名称向量，并批量加载到列表中
df_list <- mget(paste0("datos", 1:120))

# 2. 定义筛选计数函数（封装固定筛选逻辑）
count_respondents <- function(df) {
  sum(
    # 筛选条件：与原逻辑完全一致，简化冗余写法
    (df$c_res %in% c(1, 3)) & 
    (df$r_def == 0) & 
    (df$eda >= 15 & df$eda <= 98) & 
    (df$emp_ppal == 1) & 
    (df$ambito1 != 1),
    na.rm = TRUE  # 可选：处理数据中的缺失值，避免sum返回NA
  )
}

# 3. 批量计算并生成POINA向量
POINA <- unlist(lapply(df_list, count_respondents))
# 或用tidyverse风格的purrr包（需先安装：install.packages("purrr")）
# POINA <- purrr::map_int(df_list, count_respondents)

方案2：使用for循环 #

如果更习惯显式循环的写法，可通过get()函数动态调用每个DataFrame：

# 初始化POINA向量
POINA <- numeric(120)

# 循环处理每个周的DataFrame
for (i in 1:120) {
  # 动态获取当前周的DataFrame
  current_df <- get(paste0("datos", i))
  # 计算符合条件的样本数
  POINA[i] <- sum(
    (current_df$c_res %in% c(1, 3)) & 
    (current_df$r_def == 0) & 
    (current_df$eda >= 15 & current_df$eda <= 98) & 
    (current_df$emp_ppal == 1) & 
    (current_df$ambito1 != 1),
    na.rm = TRUE
  )
}

关键优化点 #

• 用df$c_res %in% c(1,3)替代df$c_res==1 | df$c_res==3，逻辑更简洁且易扩展
• 直接对逻辑向量求和（sum(...)），省去ifelse(...,1,0)和as.numeric()的冗余操作
• 加入na.rm=TRUE处理缺失值，避免因数据中有NA导致结果异常
• 所有筛选逻辑只写一次，后续修改条件只需调整一处代码

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