使用rowwise+do读取文件合并时如何正确添加对应行的列信息？

你遇到的情况其实是rowwise() + do()组合在传递上下文信息时容易出现的小问题——元数据列没有和对应文件的数据集正确绑定。而你后来摸索到的嵌套数据框+unnest的思路，刚好是tidyverse生态里解决这类问题的最优方案之一，我们来把这个逻辑理得更清楚些：

可靠的实现方案 #

这个方法的核心是先把每个文件的数据集和它对应的元信息（文件名、b列的值）绑定在同一行的列表列中，再展开合并，从根源上避免了元数据错位的问题：

# 准备示例数据（和你提供的一致）
df <- data.frame(a=c('file1.txt','file2.txt'), b=LETTERS[1:2], stringsAsFactors=FALSE)
write.table(data.frame(c=runif(5), d=runif(5)), 'file1.txt', sep='\t', row.names=F)
write.table(data.frame(c=runif(5), d=runif(5)), 'file2.txt', sep='\t', row.names=F)

# 核心处理逻辑
library(tidyverse)
merged_df <- df %>%
  rowwise() %>%
  # 把每个文件读取后的data.frame存入列表列x，和当前行的元数据绑定
  mutate(file_data = list(read.delim(a, stringsAsFactors=FALSE))) %>%
  # 展开列表列，得到合并后的大数据集
  tidyr::unnest(file_data)

# 查看最终结果
print(merged_df)

为什么原方法会出错？ #

你最初用do(read.delim(.$a) %>% mutate(A=.$a, B=.$b))的写法，问题出在do()的环境中，.$a和.$b的上下文传递不稳定，有时候无法准确对应到当前行的元数据，导致附加列和数据集错位。而嵌套的方式相当于给每个文件的数据“打了标签”，展开时自然会和元数据一一对应，逻辑也更直观。

另一种简洁写法（无需rowwise） #

如果你习惯用purrr的函数式风格，也可以用map2()直接传递两个元数据列，代码更紧凑：

merged_df <- df %>%
  mutate(file_data = map2(a, b, ~ read.delim(.x) %>% mutate(source_file = .x, group = .y))) %>%
  unnest(file_data)

内容的提问来源于stack exchange，提问作者drmariod