R语言：如何按列唯一值拆分DataFrame，处理后合并？

算力阿峰

2026-8-20

按Category批量拆分、处理并合并DataFrame的自动化实现

先修正示例函数

你提供的divide函数存在变量作用域问题，直接引用Sales会找不到对象，需要明确指向子DataFrame的列，修正后的函数如下：

divide <- function(df) {
  df$Sales <- (df$Sales - 32) * 5 / 9
  return(df)
}

如果习惯用dplyr风格，也可以写成：

divide <- function(df) {
  df %>% mutate(Sales = (Sales - 32) * 5 / 9)
}

方法一：基础R实现（无需额外包）

通过unique()获取类别唯一值，循环处理后合并：

# 获取Category列的所有唯一值
unique_categories <- unique(data$Category)

# 创建空列表存储处理后的子数据集
processed_dfs <- list()

# 遍历每个类别，拆分、处理、存入列表
for (cat in unique_categories) {
  # 拆分当前类别的子DataFrame
  sub_df <- subset(data, Category == cat)
  # 应用自定义处理函数
  processed_sub <- divide(sub_df)
  # 将处理后的结果加入列表
  processed_dfs[[cat]] <- processed_sub
}

# 合并所有处理后的子DataFrame
final_result <- do.call(rbind, processed_dfs)

方法二：dplyr + purrr 实现（更简洁）

利用tidyverse工具链的函数，代码更简洁易读：

library(dplyr)
library(purrr)

# 一步完成拆分、批量处理、合并
final_result <- data %>%
  group_split(Category) %>%  # 按Category拆分为子DataFrame列表
  map(divide) %>%            # 对每个子DataFrame应用处理函数
  bind_rows()                # 合并所有子数据集