如何在R中编写函数批量对多个data.frame执行指定转换操作

操作步骤 #

1. 先确定所有需要处理的data.frame名称列表
   你可以手动指定需要处理的表名，也可以直接提取当前工作环境中所有的data.frame：

# 手动指定目标表名（推荐，避免误处理不需要的表）
target_dfs <- c("nat69eqte", "nahi_il", "nahc_cpwtre")
# 自动提取当前环境所有data.frame的写法（适合所有表都要处理的场景）
# target_dfs <- ls()[sapply(ls(), function(obj) is.data.frame(get(obj)))]

2. 封装自定义处理函数
   把你需要的三步逻辑直接封装成可复用的函数：

library(tidyr)
library(gdxrrw)

process_gdx_df <- function(df_name) {
  # 读取目标data.frame
  raw_df <- get(df_name, envir = .GlobalEnv)
  # 第一步：长表转宽表
  wide_df <- spread(raw_df, key = time, value = values)
  # 第二步：设置Symname属性
  attr(wide_df, "Symname") <- df_name
  # 第三步：执行wgdx格式重塑
  gdx_lst <- wgdx.reshape(wide_df, 2)
  # 按你要求的命名规则把结果写入全局环境
  assign(paste0(df_name, "_wide"), wide_df, envir = .GlobalEnv)
  assign(paste0("lst_", df_name, "_wide"), gdx_lst, envir = .GlobalEnv)
}

3. 批量执行所有处理
   一行代码完成40个表的全部操作：

invisible(lapply(target_dfs, process_gdx_df))

可选优化 #

如果不想全局环境生成太多零散变量，可以把所有结果统一存在一个列表里管理：

# 所有结果存入列表，命名和你之前的规则一致
gdx_result_list <- lapply(target_dfs, function(df_name) {
  wide_df <- spread(get(df_name), key = time, value = values)
  attr(wide_df, "Symname") <- df_name
  return(wgdx.reshape(wide_df, 2))
})
names(gdx_result_list) <- paste0("lst_", target_dfs, "_wide")

注意事项 #

• 运行前确认已经安装并加载了tidyr和gdxrrw包
• 高版本tidyr中spread已更新为pivot_wider，替换写法为pivot_wider(raw_df, names_from = time, values_from = values)，功能完全一致

内容的提问来源于stack exchange，提问作者user17015694