R语言：如何用链式操作实现多数据集筛选合并与行绑定？

算力阿峰

2026-8-18

R数据集筛选、合并与行绑定的简化方案

问题描述

我目前使用如下R代码实现数据集的筛选、合并与行绑定：
test1 <- dat_long%>%
  filter(time == "0month") %>%
  merge(blood_m1,  by="ID")  

test2 <- dat_long%>%
  filter(time == "3month") %>%
  merge(blood_m2,  by="ID")   

test3 <- dat_long%>%
  filter(time == "4month") %>%
  merge(blood_m3,  by="ID") 

test_long <- test3  %>%
  bind_rows(test2 )%>%
  bind_rows(test1 )
希望能使用单一对象结合%>%链式操作，用更简洁优雅的代码实现相同效果，请问是否有可行方案？据我所知R中没有“un-filter”功能。

简化实现方案

可以通过批量映射+自动绑定的思路简化代码，无需创建多个中间对象，全程用链式操作完成：

方案一：使用purrr包（推荐，语法更流畅）

library(dplyr)
library(purrr)

test_long <- list(
  time_tags = c("4month", "3month", "0month"),  # 按最终行顺序排列
  blood_dfs = list(blood_m3, blood_m2, blood_m1)
) %>%
  pmap_dfr(function(time_tags, blood_dfs) {
    dat_long %>%
      filter(time == !!time_tags) %>%
      merge(blood_dfs, by = "ID")
  })

关键说明：

将时间标签和对应的blood数据集按配对关系放入列表，顺序和原代码最终行绑定顺序一致
pmap_dfr会遍历每一组配对元素，执行筛选+合并操作，_dfr后缀自动将所有结果行绑定为单个数据框
!!time_tags是tidyeval语法，用于引用外部的时间变量，避免和dat_long中的time列重名冲突

方案二：仅用dplyr包（无需额外加载purrr）

library(dplyr)

test_long <- Map(
  function(t, b) dat_long %>% filter(time == t) %>% merge(b, by = "ID"),
  c("4month", "3month", "0month"),
  list(blood_m3, blood_m2, blood_m1)
) %>%
  bind_rows()

这种方式用基础R的Map函数完成批量映射，再通过bind_rows一次性合并结果，同样实现了无中间对象的链式操作。