如何使用walk()或walk2()保存临时.RData文件

首先，咱们先理清你遇到的核心问题：walk() 函数是用来**遍历迭代对象（比如列表、向量）**的，但你的new_rows是单个dataframe，完全不需要遍历，直接用saveRDS()或者save()就能完成保存操作。另外还有几个小细节需要调整，我把完整的优化后的函数写出来，再逐一解释：

library(dplyr)
library(stringr)

fun <- function(df1, df2){
  # 先检查两个数据框是否完全一致
  if(identical(df1, df2)){
    stop("No new updated rows")
  } else {
    # 更高效的方式：直接找出df2中不在df1的行
    new_rows <- anti_join(df2, df1)
    
    # 提取新增行的数量（避免返回tibble，直接拿数值）
    n_new <- nrow(new_rows)
    print(str_c("there are ", n_new, " new rows"))
    
    # 1. 确保项目目录下的temp文件夹存在，不存在则创建
    temp_dir <- "./temp/"
    if(!dir.exists(temp_dir)){
      dir.create(temp_dir, recursive = TRUE, showWarnings = FALSE)
    }
    
    # 2. 拼接文件名：日期+下划线+文件名，避免格式混乱
    file_path <- paste0(temp_dir, Sys.Date(), "_new_rows.rds")
    
    # 3. 保存单个dataframe用saveRDS（如果要存多个对象用save）
    saveRDS(new_rows, file = file_path)
    
    # 可选：返回保存的路径，方便后续函数调用
    return(invisible(file_path))
  }
}

关键修改点说明： #

• 替换walk()为直接调用saveRDS()：walk()是purrr包的遍历工具，适合处理多个元素的迭代场景，单个dataframe直接调用保存函数即可，完全不需要遍历。
• 优化新增行的识别逻辑：用anti_join(df2, df1)直接筛选出df2中不存在于df1的行，比bind_rows再filter的方式更高效、更直观。
• 修复新增行数量的显示问题：原代码中count()返回的是一个tibble，直接print会显示表格结构，改用nrow(new_rows)或者count() %>% pull(n)提取纯数值，输出更友好。
• 处理文件夹存在性：先检查./temp/文件夹是否存在，不存在则自动创建，避免保存时因路径不存在报错。
• 规范文件名格式：在日期和文件名之间加下划线（_），避免出现类似20240520new_rows.RData这种混乱的文件名，同时saveRDS()建议用.rds作为后缀（如果要用save()存RData格式，把后缀改成.RData即可）。

运行示例： #

mt_1 <- mtcars[1:4, ]  # 修正原代码的语法问题，明确取前4行
mt_2 <- mtcars[1:10, ]
fun(mt_1, mt_2)
# [1] "there are 6 new rows"

运行后，你就能在项目目录的temp文件夹里找到当天日期命名的新增行文件了，后续函数可以用readRDS(file_path)来读取这个文件。

内容的提问来源于stack exchange，提问作者Corey Pembleton