R语言跨环境迭代追加同名data.frame对象的实现方案咨询

你原有代码报错的核心原因是rbind()函数本身没有envir参数，无法直接接收环境和对象名完成合并，需要先从对应环境取出对象，合并后再写回目标环境。
首先取两个环境中同名的data.frame，避免合并不需要参与的对象，再迭代操作：

# 取两个环境的同名data.frame交集，排除不需要合并的对象
common_df_names <- intersect(globalEnvDataframeObjects, symbolUpdatesDataframeObjects)

# 迭代完成追加
for (df_name in common_df_names) {
  # 分别从两个环境取出对应数据
  old_df <- get(df_name, envir = .GlobalEnv)
  new_df <- get(df_name, envir = symbolUpdates.env)
  # 合并后写回GlobalEnv
  assign(df_name, rbind(old_df, new_df), envir = .GlobalEnv)
}

注意：该逻辑默认两个环境中的同名字段顺序、类型完全一致，若存在不一致可以在rbind前补充字段对齐逻辑。

代码逻辑完全一致，仅需修改get()（取存量数据）和assign()（写合并后数据）的envir参数，指向对应的目标子环境即可。
示例：若存量数据存放在target_stock.env子环境中，代码修改为：

# 先提取目标子环境中的data.frame对象名
target_df_names <- names(which(unlist(eapply(target_stock.env, is.data.frame))))
common_df_names <- intersect(target_df_names, symbolUpdatesDataframeObjects)

for (df_name in common_df_names) {
  # 从目标子环境取存量数据
  old_df <- get(df_name, envir = target_stock.env)
  new_df <- get(df_name, envir = symbolUpdates.env)
  # 合并后写回目标子环境
  assign(df_name, rbind(old_df, new_df), envir = target_stock.env)
}

你当前的方案需要维护大量独立的同名对象、跨环境操作，容易误改全局环境的其他对象，更推荐用list统一管理同批次的股票数据，不需要跨环境操作，批量处理效率更高：

# 初始化拉取：用list存储所有股票数据，不需要分散为独立对象
tickers <- c("NKLA", "MPNGF", "RMO", "JD", "MSFT")
init_stock_data <- lapply(tickers, function(ticker) {
  xts_val <- getSymbols.yahoo(ticker, auto.assign = FALSE, from = "2020-01-01", to = "2021-02-02")
  return(fortify.zoo(xts_val))
})
names(init_stock_data) <- tickers

# 更新拉取
update_stock_data <- lapply(tickers, function(ticker) {
  xts_val <- getSymbols.yahoo(ticker, auto.assign = FALSE, from = "2021-02-03")
  return(fortify.zoo(xts_val))
})
names(update_stock_data) <- tickers

# 批量合并所有股票数据
merged_stock_data <- Map(rbind, init_stock_data, update_stock_data)

该方案的优势：

• 不会污染全局环境，所有同类型数据统一收纳，不会和其他对象混淆
• 不需要循环调用assign、跨环境取值，代码更简洁易维护
• 后续如果需要批量做字段调整、计算指标，直接用lapply处理list即可，效率远高于操作多个独立对象
• 需要单独使用某只股票的数据时，直接调用merged_stock_data$MSFT即可，和独立对象的使用体验差异极小。

内容的提问来源于stack exchange，提问作者pdeli