如何在R中对工作目录下100个数据文件批量执行从导入到处理的工作流

核心思路是把单文件的处理逻辑封装为自定义函数，再批量传入所有目标文件执行，完全不需要重复复制代码。

1. 封装单文件处理函数 #

把你现有逻辑整合为入参为文件路径和文件ID的函数，同时修正你原代码中的冗余逻辑（你原代码中先删除含NAN的行，又给原数据的NAN赋值0，前者操作的结果没有被后续使用，这里可以根据你的需求二选一，下方示例保留赋值0的逻辑，需要删除行的话自行调整即可）：

process_bed <- function(file_path, file_id) {
  # 导入数据
  df <- as.data.frame(read.table(file_path, header = FALSE, sep = "\t", stringsAsFactors = FALSE, quote = ""))
  # 拆分列
  filtered_df <- separate(data = df, col = V3, into = c("end position", "Methylation"), sep = "\\|")
  # NAN替换为0，如果要删除NAN行就把这行替换为 filtered_df <- filtered_df[!grepl("NAN", filtered_df$Methylation), ]
  filtered_df$Methylation[filtered_df$Methylation == "NAN"] <- '0'
  # 转为数值型
  filtered_df$Methylation <- as.numeric(filtered_df$Methylation)
  # 添加ID列，这里用传入的文件ID，和原逻辑的1对应，批量时会自动换成每个文件的标识
  filtered_df$ID <- as.character(file_id)
  # 分组求平均
  average_res <- filtered_df %>% 
    group_by(V1) %>% 
    summarise(across(everything(), list(mean)))
  return(average_res)
}

2. 批量获取工作目录下所有bed文件 #

用list.files自动匹配工作目录下所有后缀为.bed的文件：

# 获取所有bed文件路径，full.names设为TRUE会返回完整路径，避免读取失败
bed_files <- list.files(pattern = "\\.bed$", full.names = TRUE)

3. 批量执行工作流 #

用lapply遍历所有文件执行处理函数，最终会得到一个列表，每个元素对应一个文件的平均计算结果：

# 批量处理，file_id用序号1、2...100对应每个文件，你也可以换成文件名
all_results <- lapply(seq_along(bed_files), function(i) {
  process_bed(bed_files[i], file_id = i)
})
# 如果需要把所有文件的结果合并为一个总数据框，直接用bind_rows即可
all_results_df <- dplyr::bind_rows(all_results)

补充说明 #

• 如果你需要保留每个文件处理后的中间数据（比如filtered_df），只需要修改函数返回值，把需要的内容用列表返回即可
• 如果文件名里有你需要的ID信息，比如file_1.bed里的1，也可以直接从文件名提取ID，不用手动传序号

内容的提问来源于stack exchange，提问作者user305902