嘿，我来帮你捋清楚问题出在哪，再给你几个靠谱的修改方案～

为什么会报错？ #

你代码里的all_data = c(df1, df2)是关键坑点！c()函数处理data.frame的时候，会把每个data.frame的列都拆成单独的数值向量，所以最后all_data其实是一个包含14个向量的列表（每个df有7列，两个加起来就是14个）。当你用for (i in all_data)循环时，每次拿到的i都是单个列的向量，而dplyr::select()只能处理data.frame/tibble类型的对象，自然就会抛出no applicable method for 'select_'的错误啦。

正确的修改方案 #

第一步：修正数据存储方式 #

首先要把多个data.frame用list()打包，而不是c()，这样才能保留每个data.frame的完整结构：

# 替换原来的all_data = c(df1, df2)
all_data = list(df1, df2)

方案1：修正for循环写法 #

因为for循环里的i是元素的副本，直接赋值i = select(...)不会修改原列表的元素，得通过索引来更新：

library(dplyr) # 别忘了先加载dplyr包

for (i in seq_along(all_data)){
  # 用[[i]]直接修改列表中的对应元素
  all_data[[i]] = select(all_data[[i]], X3:X5)
}

# 查看筛选后的结果
all_data[[1]] # 筛选后的df1
all_data[[2]] # 筛选后的df2

方案2：用lapply更简洁高效 #

在R里处理列表类的批量操作，lapply比for循环更常用也更简洁，推荐这个写法：

library(dplyr)

# 批量筛选每个data.frame的X3-X5列
all_data_filtered = lapply(all_data, function(df) select(df, X3:X5))

# 如果想把结果赋值回原变量
df1 = all_data_filtered[[1]]
df2 = all_data_filtered[[2]]

方案3：不用dplyr，用base R实现 #

要是你不想依赖dplyr包，用base R的索引也能轻松搞定：

# 用列名筛选
all_data_filtered = lapply(all_data, function(df) df[, c("X3", "X4", "X5")])

# 或者用列的位置索引（因为X3-X5是第3到第5列）
all_data_filtered = lapply(all_data, function(df) df[, 3:5])

这样修改后，就能得到只保留X3至X5列的新data.frame，完全符合你的预期啦～

内容的提问来源于stack exchange，提问作者Capt.Krusty