迭代修改嵌套DataFrame遇赋值无效问题，求lapply优化方案

我有一个列名完全一致的DataFrame列表，想遍历这些DataFrame，修改其中一列后同步回原列表。知道用普通循环的方式效果不好，求用lapply的更优解法！

循环无效的示例代码 #

df <- list(
       '2020-01-01' = data.frame(value = c(3,5,7,8),
                  wt = c(1,1,1,1)),
       '2020-02-01' = data.frame(value = c(90,90,98,91),
                  wt = c(1,1,1,1)),
       '2020-03-01' = data.frame(value = c(0,10,3,8),
                  wt = c(1,1,1,1)))

for(i in df){

  data <- data.frame(
                 val = i$value,
                 wt = i$wt) %>%
  mutate(wt = ifelse(val > 95 | val < 5, 100, 1))

  # 循环内的修改生效
  print(data)

  # 但此赋值操作无效果
  i = data
}

print(df)

可以看到循环里的i = data完全起不到修改原列表的作用，但如果直接指定列表中的单个DataFrame（比如df$'2020-01-01'）进行赋值，就能正常生效：

单个DataFrame修改生效的示例 #

data <- data.frame(val = df$`2020-01-01`$value,
               wt = df$`2020-01-01`$wt) %>% 
  mutate(wt = ifelse(val > 95 | val < 5, 100, 1))

df$`2020-01-01` = data

df

解决方案：使用lapply批量处理 #

lapply是R中处理列表的高效工具，它会遍历列表中的每个元素，应用自定义函数后返回修改后的新列表，直接覆盖原列表即可完成同步：

library(dplyr)

df <- list(
       '2020-01-01' = data.frame(value = c(3,5,7,8),
                  wt = c(1,1,1,1)),
       '2020-02-01' = data.frame(value = c(90,90,98,91),
                  wt = c(1,1,1,1)),
       '2020-03-01' = data.frame(value = c(0,10,3,8),
                  wt = c(1,1,1,1)))

# 使用lapply遍历并修改每个DataFrame
df <- lapply(df, function(x) {
  x %>% 
    mutate(wt = ifelse(value > 95 | value < 5, 100, 1))
})

print(df)

为什么普通循环无效？ #

在for(i in df)的循环中，i是原DataFrame的副本，不是引用。修改i只是修改了临时副本，不会影响原列表中的元素。而lapply会直接对每个元素应用函数，返回所有修改后的结果组成的新列表，将其赋值给原变量后，自然完成了原列表的同步更新。

额外优化点 #

• 不需要额外创建val列，直接用原列value进行判断即可，简化代码
• 如果需要保留原始数据，可将结果赋值给新变量（比如df_modified <- lapply(...)），避免覆盖原列表

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