如何用lapply/mapply优雅实现列表中DataFrame与单DataFrame逐行合并？

你的需求完全可以用mapply()或者lapply()替代循环，代码更简洁且贴合R的函数式编程风格，下面给你两种可行方案：

方案1：用mapply()配对合并 #

mapply()天生就是用来处理多个列表/向量对应元素的工具，我们只需要先把df_to_merge按行拆分成列表，再和df_list的元素一一配对传给merge函数：

# 先准备示例数据
df1 <- data.frame(col1 = 11:14, col2 = 11:14)
df2 <- data.frame(col1 = 12:15, col2 = 12:15)
df3 <- data.frame(col1 = 13:16, col2 = 13:16)
df_list <- list(df1, df2, df3)

df_to_merge <- data.frame(col3 = 1:3, col4 = 4:6)

# 核心实现代码
what_i_want <- mapply(merge, 
                      df_list, 
                      split(df_to_merge, seq(nrow(df_to_merge))), 
                      SIMPLIFY = FALSE)

这里的split(df_to_merge, seq(nrow(df_to_merge)))会把df_to_merge的每一行转换成列表的一个元素，让它和df_list的长度完全匹配；mapply()会自动把两个列表的对应元素传入merge，最后SIMPLIFY = FALSE确保返回结果是列表结构（避免R自动简化成其他格式）。

方案2：用lapply()遍历索引 #

如果你更习惯遍历索引的思路，lapply()可以替代for循环，代码更紧凑：

what_i_want <- lapply(seq(nrow(df_to_merge)), function(i) {
  merge(df_list[[i]], df_to_merge[i, ])
})

这个写法不需要预先初始化空列表，直接通过匿名函数完成每一次的合并操作，最终结果和你原来的循环输出完全一致。

结果验证 #

你可以检查what_i_want[[1]]，会看到它是df1和df_to_merge第一行合并后的结果——每一行都添加了col3=1和col4=4，和循环实现的效果完全相同。

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