如何为列表中的多个DataFrame添加predict()生成的预测列？

问题背景 #

训练了多分类逻辑回归模型，需对列表rose.list中的1000个DataFrame做形态预测并添加新列。单个DataFrame预测可行，但用lapply批量处理时出错，同时纠结是分开处理还是保留列表。

错误原因分析 #

1. 第一种错误写法：

lapply(rose.list, predict(multinom_model, "class"))

错误原因：lapply的第二个参数必须是函数，这里直接执行了predict，没有把每个列表元素作为newdata传入，导致predict找不到特征列（比如Area）。

2. 第二种错误写法：

lapply(rose.list, predict(multinom_model, newdata = rose.list, "class"))

错误原因：把整个列表rose.list传给newdata，而不是每个单独的DataFrame，导致行数不匹配报错。

正确实现代码 #

第一步：优化rose.list生成（可选但更高效） #

原来的assign+ls+get写法没必要，直接读入文件到列表更简洁：

filesrose <- list.files(pattern = "_rose.csv")
rose.list <- lapply(filesrose, read.csv)
# 可选：给列表元素命名对应文件名
names(rose.list) <- gsub("_rose.csv", "", filesrose)

第二步：批量预测并添加新列 #

用lapply遍历列表，对每个DataFrame执行预测并添加Morph列：

# 批量处理：给每个DataFrame添加预测列
rose.list <- lapply(rose.list, function(df) {
  df$Morph <- predict(multinom_model, newdata = df, type = "class")
  return(df)
})

处理方式建议 #

强烈建议保留在列表中处理，原因：

• 避免全局环境被1000个rose.i变量污染，代码更整洁
• 批量操作更便捷（后续统计、导出都可以继续用lapply/purrr系列函数）
• 内存管理更高效，列表结构比零散变量更易控制

内容的提问来源于stack exchange，提问作者MM1