R语言如何批量合并多数据集并为列添加来源后缀

以下方案全程采用批量列表操作，不需要手动处理单个数据集，运行效率高，适配百万行级别的大数据量场景。

步骤1：批量收集所有数据集到列表 #

不要逐个手动调用数据集，先把所有分散的数据集统一加载到列表对象里，方便后续批量处理：

# 生成所有数据集对应的对象名，匹配当前命名规则：第一个为data，后续为data2~data100
df_obj_names <- c("data", paste0("data", 2:100))
# 批量从全局环境读取所有数据集到列表
df_list <- mget(df_obj_names, envir = .GlobalEnv)
# 给列表元素统一命名为data1~data100，和后缀标识对应
names(df_list) <- paste0("data", 1:100)

如果数据集是存在本地文件夹里的csv/rds文件，把上面读取部分替换成批量读文件的代码即可，后续逻辑完全通用。

步骤2：批量给列添加数据集标识后缀 #

遍历列表里的每个数据集，给id和iq两列加上对应后缀，完全匹配要求的列名格式：

df_list <- lapply(names(df_list), function(tag){
  tmp_df <- df_list[[tag]]
  # 按列名匹配重命名，不受列顺序影响，避免出错
  colnames(tmp_df)[colnames(tmp_df) == "id"] <- paste0("id_", tag)
  colnames(tmp_df)[colnames(tmp_df) == "iq"] <- paste0("iq_", tag)
  return(tmp_df)
})

步骤3：合并为宽数据集 #

根据数据特征选对应合并方式即可：

• 场景1：所有数据集行数完全一致、行顺序严格对应（和给出的示例结构一致），用按列拼接的方式，速度最快：

library(dplyr)
wide_result <- bind_cols(df_list)

# 如果需要严格按照「所有id列在前、所有iq列在后」的格式排列列顺序，执行以下代码调整
final_col_order <- c(paste0("id_data", 1:100), paste0("iq_data", 1:100))
wide_result <- wide_result[, final_col_order]

• 场景2：不同数据集的id顺序可能错乱、存在id缺失，需要按id值匹配避免行错位：这种情况先保留公共id列做匹配合并，最后再重命名列、调整顺序即可，避免数据对应错误。

校验结果 #

合并完成后可以运行以下代码检查列名是否符合要求：

print(names(wide_result))

内容的提问来源于stack exchange，提问作者yoo