R语言循环批量筛选多数据集潜在ID变量的问题求助

1. 修复循环代码的错误 #

你的循环报错核心原因是错误地在原数据集dflist[[i]]中引用skim统计列，而且单数据集里的筛选条件还写错了（把80%写成了1%）。直接修正代码如下：

dfid <- list()
for (i in 1:4) {
  # 先缓存当前数据集，减少重复调用
  current_df <- dflist[[i]]
  dfid[[i]] <- current_df %>%
    mutate_if(is.numeric, as.character) %>%
    skim() %>%
    as_tibble() %>%
    # 筛选条件1：唯一观测值占比≥80%
    filter(character.n_unique >= nrow(current_df) * 0.8) %>%
    # 筛选条件2：缺失值占比≤30%
    filter(n_missing <= nrow(current_df) * 0.3)
}

错误说明： #

• 原循环里的dflist[[i]][,character.n_unique]完全没必要，skim()返回的结果已经自带character.n_unique（唯一值数量）和n_missing（缺失值数量）列，直接用列名筛选即可。
• 你单数据集里写的nrow(dflist[[1]])*0.01是1%的阈值，和你要求的80%不符，必须改成*0.8才符合需求。

2. 合并去重得到唯一变量名向量 #

每个dfid[[i]]里的skim_variable列就是筛选出的潜在ID变量名，用以下方法合并去重：

方法1：Base R 实现 #

# 收集所有筛选后的变量名
all_candidate_vars <- c()
for (i in 1:4) {
  all_candidate_vars <- c(all_candidate_vars, dfid[[i]]$skim_variable)
}
# 去重得到最终唯一变量向量
unique_id_vars <- unique(all_candidate_vars)

方法2：Tidyverse 简洁实现 #

library(tidyverse)
unique_id_vars <- dfid %>%
  # 把每个列表元素的skim_variable列合并成一个数据框
  map_dfr(~select(., skim_variable)) %>%
  # 提取成向量
  pull(skim_variable) %>%
  # 去重
  unique()

内容的提问来源于stack exchange，提问作者Rstudyer