如何高效计算列表中所有DataFrame指定列的求和向量？

我有一个包含多个DataFrame的列表，示例代码如下：

df1 <- data.frame(c(1:10), c(11:20), c(31:40), c(1,2))
colnames(df1) <-c("a","b","c","d")

df2 <- data.frame(c(2:11), c(12:21), c(31:40), c(1,1))
colnames(df2) <-c("a","b","c","d")

df3 <- data.frame(c(1:12), c(11:22), c(31:42), c(2,2))
colnames(df3) <-c("a","b","c","d")

mylist <- list(df1,df2,df3)
names(mylist) <- c("ID_1", "ID_2", "ID_3")

需求是生成一个向量，包含该列表中所有DataFrame的d列求和结果。当前手动逐个求和的方法可行，但列表中DataFrame数量较多，需要更高效的实现方式。

高效解法 #

方法1：基础R原生实现（lapply + unlist）

unlist(lapply(mylist, function(x) sum(x$d)))

通过lapply遍历列表内每个DataFrame，对d列求和后，用unlist将结果转换为带原列表名称的数值向量，无需额外安装包。

方法2：tidyverse风格（purrr包的map_dbl）

# 未安装purrr时先执行安装
# install.packages("purrr")
library(purrr)
map_dbl(mylist, ~sum(.x$d))

map_dbl会直接返回数值型向量，代码更简洁直观，适合习惯tidyverse生态的用户。

方法3：基础R简化写法（sapply）

sapply(mylist, function(x) sum(x$d))

sapply是lapply的简化版本，会自动将结果简化为向量，写法更紧凑，同样基于基础R实现。

内容的提问来源于stack exchange，提问作者OK_4711