R语言遍历环境多对象批量执行数据框清洁的高效实现方案

方法1：基础R+lapply实现（无需额外加载功能包） #

你需要先确保加载了janitor和magrittr包（前者提供clean_names()，后者提供%>%管道）：

library(janitor)
library(magrittr)

# 第一步：匹配环境中所有符合命名规则（df+数字）且为数据框的对象
target_dfs <- ls(pattern = "^df\\d+$")
target_dfs <- target_dfs[sapply(target_dfs, function(x) is.data.frame(get(x)))]

# 第二步：批量执行clean_names并覆盖原对象
lapply(target_dfs, function(x) {
  assign(x, get(x) %>% clean_names(), envir = .GlobalEnv)
})

方法2：tidyverse风格的purrr::walk实现 #

如果习惯用tidyverse生态的函数，可以用更简洁的写法：

library(tidyverse)
library(janitor)

ls(pattern = "^df\\d+$") %>% 
  # 仅保留是数据框的对象，避免误处理其他类型变量
  keep(~ is.data.frame(get(.x))) %>% 
  # 批量执行清洁并赋值回全局环境
  walk(~ assign(.x, get(.x) %>% clean_names(), envir = .GlobalEnv))

注意事项 #

• 如果不需要覆盖原始数据框，可以把清洁后的结果统一存在列表中，避免污染原数据：

# 输出命名列表，每个元素对应一个清洁后的数据框
cleaned_df_list <- ls(pattern = "^df\\d+$") %>% 
  keep(~ is.data.frame(get(.x))) %>% 
  map(~ get(.x) %>% clean_names()) %>% 
  setNames(paste0("cleaned_", names(.)))

• 如果你的数据框命名不是df1/df2/df3的格式，修改ls()中pattern参数的正则表达式即可匹配你的目标对象。

内容的提问来源于stack exchange，提问作者bodega18