R语言循环读取Excel工作表合并数据时新增含NA的多余工作表问题排查

异常原因 #

• 工作表读取列表包含额外项：你用来遍历的nd_2013列表大概率包含了13个工作表名称，而非你以为的12个。常见诱因是当前Excel文件存在你未察觉的隐藏/非常隐藏工作表，read_excel配套的工作表读取函数默认会将所有类型的工作表（含隐藏）纳入列表，你之前运行成功的Excel文件没有这类隐藏工作表，所以未触发问题。多出来的隐藏工作表本身没有有效业务数据，读取后自然全为NA值，合并后就会出现额外的NA数据分组。
• 目标数据框未初始化污染：如果循环前没有将masterdf_2013初始化为空数据框，bind_rows操作会默认合并当前环境中残留的旧masterdf_2013数据，旧数据和新读取数据的列不匹配的位置会自动填充NA，旧数据刚好为1组的情况下，就会出现最终13组数据的异常。
• 列结构不匹配：如果12个工作表的列名、列数量不一致，bind_rows合并时会自动将缺失列的位置填充为NA，也会出现大量NA分类。

解决方法 #

• 第一步先校验工作表列表准确性，运行以下代码确认列表长度和内容：

# 打印工作表列表长度
print(length(nd_2013))
# 打印所有工作表名称
print(nd_2013)

如果确认长度为13，找出多余的异常工作表名称后手动过滤，示例：

# 按名称过滤，仅保留你需要的12个工作表
nd_2013_filtered <- nd_2013[nd_2013 %in% c("sheet1名称","sheet2名称",...)]
# 也可以直接打开Excel，在工作表标签栏右键点击「取消隐藏」，删除不需要的隐藏工作表后重新读取

• 循环前必须初始化空数据框，避免旧数据污染，在for循环前添加代码：

masterdf_2013 <- data.frame()

• 推荐替换for循环为更稳定的批量读取逻辑，避免累积绑定错误，完整优化代码示例：

library(readxl)
library(dplyr)
library(purrr)

# 读取Excel内所有工作表名称
all_sheets <- excel_sheets("你的Excel文件完整路径.xlsx")
# 过滤得到12个有效工作表，如果你确定是前12个可直接用all_sheets[1:12]
valid_sheets <- all_sheets[1:12]

# 批量读取并合并为单个数据框
masterdf_2013 <- map_df(valid_sheets, function(s) {
  read_excel("你的Excel文件完整路径.xlsx", sheet = s, col_types = "text", na = "NULL") %>%
    mutate(sheetname = s)
})

• 如果仍存在大量NA值，逐个校验12个工作表的列名、列数量是否一致，统一列结构后再合并即可。

内容的提问来源于stack exchange，提问作者Isaac Stone Simonelli