如何对存放在列表中的tibble及其列、值执行批量处理与分析操作

首先将所有依赖包加载语句放在脚本最开头，避免批量调用时重复加载报错：

library(tidyverse)
library(psych) # 对应describe()函数
library(epiR)
library(BlandAltmanLeh)

1. 批量拆分列表中的所有tibble #

推荐使用嵌套列表存储拆分结果，结构清晰也方便后续继续批量处理，你也可以选择将拆分后的数据直接写入全局环境：

# 先统一定义拆分规则：分段名称对应行范围
split_rules <- list(
  Sitting = 1:12,
  Standing = 13:26,
  LigEx = 27:35,
  VigEx = 36:42,
  After = 43:54
)

# 批量拆分，生成嵌套列表Splitted_Data_List
# 第一层对应原Data_List的每个数据集，第二层对应5个拆分后的分段
Splitted_Data_List <- lapply(Data_List, function(df) {
  lapply(split_rules, function(row_range) df[row_range, ])
})

# 可选：将所有拆分后的数据批量赋值到全局环境，命名规则为「原数据集名_分段名」
for (data_idx in seq_along(Splitted_Data_List)) {
  data_prefix <- names(Splitted_Data_List)[data_idx] %||% paste0("data_", data_idx)
  for (split_name in names(split_rules)) {
    assign(
      x = paste0(data_prefix, "_", split_name),
      value = Splitted_Data_List[[data_idx]][[split_name]],
      envir = .GlobalEnv
    )
  }
}

2. 批量执行统计分析与绘图 #

将单数据集的处理逻辑封装为自定义函数，再用lapply批量应用到所有tibble即可，返回的结果列表会包含每个数据集的所有统计结果和绘图对象：

注：你原来的单数据集代码中cor.test(df)写法有误，cor.test不能直接传入整个数据框，已修正为传入两个待分析的数值向量。

# 自定义单数据集处理函数
process_single_df <- function(df, df_name = "未命名数据集") {
  # 描述性统计
  desc_temp <- describe(df$Temperature)
  desc_core <- describe(df$Temp_core)
  
  # Pearson相关分析
  pearson_res <- cor.test(df$Temp_core, df$Temperature)
  
  # Lin一致性相关系数分析
  lin_res <- epi.ccc(
    df$Temp_core, df$Temperature, 
    ci = "z-transform", conf.level = 0.95, rep.measure = FALSE
  )
  
  # 温度变化折线图
  mdata <- reshape2::melt(df, id = "Time")
  line_plot <- ggplot(data = mdata, aes(x = Time, y = value)) +
    geom_point(aes(group = variable, color = variable)) +
    geom_line(aes(group = variable, color = variable)) +
    labs(title = paste0(df_name, " 温度变化折线图")) +
    theme(plot.title = element_text(hjust = 0.5))
  
  # Bland-Altman一致性图
  ba_plot <- bland.altman.plot(
    df$Temp_core, df$Temperature, graph.sys = "ggplot2"
  ) +
    labs(title = paste0(df_name, " 温度一致性Bland-Altman图")) +
    theme(plot.title = element_text(hjust = 0.5))
  
  # 打包返回所有结果
  return(list(
    desc_Temperature = desc_temp,
    desc_Temp_core = desc_core,
    pearson_result = pearson_res,
    lin_ccc_result = lin_res,
    line_plot = line_plot,
    bland_altman_plot = ba_plot
  ))
}

# 批量应用到Data_List的所有tibble
Analysis_Results <- lapply(seq_along(Data_List), function(i) {
  df_name <- names(Data_List)[i] %||% paste0("数据集", i)
  process_single_df(Data_List[[i]], df_name)
})
# 给结果列表添加对应名称，方便后续调用
names(Analysis_Results) <- names(Data_List) %||% paste0("数据集", seq_along(Data_List))

结果调用示例 #

• 查看第1个数据集的Lin一致性相关系数结果：Analysis_Results[[1]]$lin_ccc_result
• 导出第2个数据集的折线图：ggsave("数据集2折线图.png", Analysis_Results[[2]]$line_plot, width = 8, height = 6)
• 遍历所有数据集批量导出Bland-Altman图：

  for (i in seq_along(Analysis_Results)) {
    ggsave(
      filename = paste0(names(Analysis_Results)[i], "_BA图.png"),
      plot = Analysis_Results[[i]]$bland_altman_plot,
      width = 7, height = 5
    )
  }
  

内容的提问来源于stack exchange，提问作者GZM97