如何优雅合并名称相似的DataFrame并添加来源标识列？

核心思路 #

利用mget()批量获取所有匹配命名规则的DataFrame，再结合purrr系列函数完成合并并自定义来源标识，完全适配周数动态变化的场景。

方案1：从原DataFrame名称中提取week标识 #

如果你的DataFrame命名本身包含week信息（例如Dai15_Dai3_week1、Dai15_Dai3_week2），直接通过字符串处理提取标识：

library(tidyverse)

# 批量获取所有以"Dai15_Dai3_"开头的DataFrame
target_dfs <- mget(ls(pattern = "^Dai15_Dai3_"))

# 合并并添加自定义来源列
combined_df <- imap_df(target_dfs, function(df, df_name) {
  df %>% mutate(source = str_remove(df_name, "^Dai15_Dai3_"))
})

• ls(pattern = "^Dai15_Dai3_")：精准匹配所有符合命名前缀的对象名
• imap_df()：同时遍历DataFrame列表和对应的名称，df_name就是原DataFrame的名称
• str_remove()：剔除固定前缀，直接得到week1/week2这类目标标识

方案2：按顺序生成week标识 #

如果原DataFrame名称不含week信息（例如Dai15_Dai3_data1、Dai15_Dai3_data2），可按列表顺序自动生成week1/week2：

library(tidyverse)

target_dfs <- mget(ls(pattern = "^Dai15_Dai3_"))

# 按列表顺序生成week标识并合并
combined_df <- map2_df(
  .x = target_dfs,
  .y = paste0("week", seq_along(target_dfs)),
  .f = function(df, label) df %>% mutate(source = label)
)

• seq_along(target_dfs)：根据列表长度生成连续序号
• map2_df()：将每个DataFrame和对应的自定义标识一一绑定合并

优势说明 #

• 动态适配：新增/减少符合规则的DataFrame时，无需修改代码
• 灵活复用：仅需根据实际命名规则调整字符串处理逻辑（比如用str_extract()提取特定片段）
• 风格统一：遵循tidyverse的管道式编程，可读性和维护性强

内容的提问来源于stack exchange，提问作者Jackson A Swan