如何通过dataframe名称的字符串向量对多个dataframe执行函数操作

你可以通过get()/mget()函数根据变量名称提取对应的dataframe，结合apply族函数即可完成批量操作，具体实现如下：

方法1：直接基于名称向量处理 #

首先生成名称向量，再逐一遍历处理：

# 生成Z1~Z30的名称向量
df_names <- paste0("Z", 1:30)
# 批量执行自定义函数my_func，返回结果列表
result_list <- lapply(df_names, function(cur_name) {
  # 提取对应名称的dataframe
  cur_df <- get(cur_name, envir = .GlobalEnv)
  # 执行自定义操作，可替换为你的实际处理逻辑
  my_func(cur_df)
})
# 可选：给结果列表设置名称，方便后续按df名称提取结果
names(result_list) <- df_names

如果你处理完需要将修改后的dataframe覆盖回全局环境，可以加上assign()逻辑：

lapply(df_names, function(cur_name) {
  cur_df <- get(cur_name)
  # 示例操作：给每个df新增一列标记原始数据来源
  cur_df$source_tag <- cur_name
  # 写回全局环境覆盖原有变量
  assign(cur_name, cur_df, envir = .GlobalEnv)
})

方法2：先整合为列表统一处理（更推荐的写法） #

如果后续需要频繁对这批dataframe做批量操作，建议先将全部数据存入同一个列表中，后续处理逻辑会更简洁，也避免反复操作全局环境变量：

# 一次性提取所有Z1~Z30的dataframe，存入命名列表
df_list <- mget(paste0("Z", 1:30), envir = .GlobalEnv)
# 对列表所有元素批量执行函数
result_list <- lapply(df_list, my_func)
# 可选：将修改后的列表元素批量写回全局环境
list2env(df_list, envir = .GlobalEnv)

注意事项 #

• 若自定义函数需要传入额外参数，可直接追加在lapply的参数中，例如lapply(df_list, my_func, na.rm = TRUE, para1 = 10)
• 不建议使用eval(parse())的方式实现该需求，相比get()/mget()的实现风险更高，可读性也更差

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