如何用R语言向量化方法对列表中数据框的数值部分按位置求和

问题背景 #

现有一个包含多个结构完全一致的DataFrame的列表：前两列为字符串类型（如ID、名称），其余列为数值类型。需要对所有DataFrame的数值部分按矩阵位置逐元素求和，最终得到保留前两列、数值列为对应位置总和的DataFrame。

示例数据 #

x <- data.frame(ID=c("aa","bb"), name=c("cc","dd"), v1=c(1,2), v2=c(3,4))
y <- data.frame(ID=c("aa","bb"), name=c("cc","dd"), v1=c(5,6), v2=c(7,8))
L <- list(x, y)

核心解决方案（Base R） #

使用Reduce函数实现迭代累加，全程无需手动拆分合并、无冗余中间列表、无全局变量：

sum_df <- Reduce(function(a, b) {
  # 仅对数值列（排除前两列）执行累加
  a[, -(1:2)] <- a[, -(1:2)] + b[, -(1:2)]
  a
}, L)

结果验证 #

print(sum_df)
#   ID name v1 v2
# 1 aa   cc  6 10
# 2 bb   dd  8 12

方案优势（解决你的三个痛点） #

• 无需手动拆分合并：直接在累加逻辑中保留前两列，最终输出完整的目标DataFrame，省去拆分字符列、求和数值列再合并的步骤。
• 无占内存的中间列表：Reduce是迭代式累加，每次仅保留当前的累加结果，不会生成存储所有中间DataFrame的大列表，内存效率远高于lapply后再合并的方式。
• 无全局变量依赖：所有累加操作都在Reduce的匿名函数内部完成，不需要定义全局变量存储临时结果，避免后续手动清理的麻烦。

Tidyverse风格实现（可选） #

如果习惯使用tidyverse工具链，可结合purrr::reduce和dplyr::mutate/across实现更简洁的写法：

library(purrr)
library(dplyr)

sum_df <- reduce(L, ~ .x %>% mutate(across(-c(ID, name), ~ .x + .y)))

内容的提问来源于stack exchange，提问作者Yuhan