R语言如何对匹配文件列表批量应用自定义函数进行处理？

• 第一：自定义函数存在逻辑错误，你定义了data2作为第二个传入参数，但函数内部merge操作硬编码使用了closest_dist变量名，完全没有用到传入的data2参数，所以函数运行时会强制到全局环境查找closest_dist变量，找不到就会触发报错。
• 第二：lapply用法错误，lapply的第二个参数需要传入函数本身，你直接写create_distance_to_strand(annotation, closest_dist, "proof.csv")相当于先执行该函数，把返回结果传给lapply，不符合批量调用的要求。同时批量处理需要对应不同的输出文件名，不能写死为同一个proof.csv。

首先修正自定义函数的内部逻辑：

create_distance_to_strand <- function(data, data2, nameCsv) {
  newData  <- data  %>% 
    select(seqnames, start, end, V4, seqnames, geneStart, geneEnd, geneStrand, distanceToTSS, SYMBOL, geneLength)%>%
    rename(peak = V4)
  
  # 把硬编码的closest_dist替换为参数data2
  joined_df <- merge(newData , data2, by.x = "peak", 
                     by.y = "peak", all.x = TRUE, all.y = TRUE) %>% drop_na()
  
  write.table(joined_df , nameCsv, sep = "\t", row.names = FALSE)

  return(joined_df)
}

再修正批量调用逻辑：

# 提前读入所有批次共用的annotation文件
annotation = read.csv("results_annotation", header = T, sep ="\t") 
# 匹配所有以closest开头的文件，加^限定前缀匹配更准确
files <- list.files(pattern = "^closest")

# 批量循环处理
proof_list = lapply(files, function(current_file) {
  # 读入当前循环对应的closest文件
  current_closest <- read.csv(current_file, header = T, sep ="\t")
  # 生成独立的输出文件名，避免覆盖
  output_name <- paste0("result_", gsub("\\.", "_", current_file), ".csv")
  # 调用处理函数
  create_distance_to_strand(data = annotation, data2 = current_closest, nameCsv = output_name)
})

运行后所有输出文件会以result_+原closest文件名的规则保存在当前工作目录下，proof_list是列表格式，每个元素对应一个closest文件处理后的结果数据框，可通过索引直接取用，例如proof_list[[1]]就是第一个文件的处理结果。

内容的提问来源于stack exchange，提问作者lana