利用文件名子串在数据框列表中创建新变量

问题背景 #

有一批存储数据框的.rds文件，文件名列表如下：

files <- c("file_2022-11-30.rds", "file_2022-12-01.rds")

需要实现：

1. 将每个文件读取为数据框列表
2. 给每个数据框添加date列，值为对应文件名中的日期部分
3. 最终合并为一个完整的数据框

用户尝试用lapply实现但写法无效，原代码如下：

library(dplyr)

df_list <- lapply(files, readRDS) %>%
  lapply(FUN = function(x) mutate(date = as.Date(stringr::str_sub(files[x], start = -14, end = -5)))) %>%
bind_rows()

期望输出：

var1       date
1     1 2022-11-30
2     2 2022-11-30
3     2 2022-11-30
4     1 2022-11-30
5     2 2022-11-30
6     2 2022-12-01
7     1 2022-12-01
8     2 2022-12-01
9     1 2022-12-01
10    2 2022-12-01

错误原因 #

原代码的核心问题是：第二个lapply中的参数x是读取后的 data.frame 对象，并非文件名列表的索引，因此files[x]的写法逻辑错误，无法正确提取对应文件名。

简洁解决方案 #

方案1：带索引的lapply遍历 #

直接遍历文件名的索引，同时获取文件名和对应的数据框：

library(dplyr)
library(stringr)

df_combined <- lapply(seq_along(files), function(i) {
  # 读取当前文件
  current_df <- readRDS(files[i])
  # 提取日期并添加列
  current_df %>% mutate(date = as.Date(str_sub(files[i], start = -14, end = -5)))
}) %>% bind_rows()

方案2：用Map函数配对处理 #

Map可以同时平行遍历文件名和数据框列表，实现一一配对处理：

library(dplyr)
library(stringr)

# 先批量读取所有文件
df_list <- lapply(files, readRDS)
# 配对文件名与数据框，添加日期列
df_combined <- Map(function(df, filename) {
  df %>% mutate(date = as.Date(str_sub(filename, -14, -5)))
}, df_list, files) %>% bind_rows()

方案3：tidyverse风格的purrr::map2 #

如果习惯tidyverse工具链，map2可以更简洁地处理两个平行向量的配对操作：

library(tidyverse)

df_combined <- map2(files, map(files, readRDS), function(filename, df) {
  df %>% mutate(date = as.Date(str_sub(filename, -14, -5)))
}) %>% bind_rows()

# 更简洁的公式写法
df_combined <- map2(files, map(files, readRDS), ~ .y %>% mutate(date = as.Date(str_sub(.x, -14, -5)))) %>% bind_rows()

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