如何用循环优化多个同结构DataFrame的合并代码？

别再写重复的merge代码啦！有好几种更优雅的方式能帮你搞定这个累积全连接合并的需求，我给你整理了最常用的几种：

方法1：用Base R的Reduce()函数（最简洁） #

Reduce()函数专门用来处理这种「依次累积运算」的场景，完美替代你手动一步步合并的冗余代码：

# 第一步：把所有需要合并的DataFrame批量存入一个列表
# mget()会根据名字获取环境中的对象，paste0批量生成名字
df_list <- mget(paste0("list", 2008:2017))

# 第二步：用Reduce完成累积全连接合并
byvar <- c("A", "B", "C")
agg <- Reduce(function(x, y) merge(x, y, all = TRUE, by = byvar), df_list)

它的工作逻辑和你手动写的代码完全一致：从列表的第一个DataFrame开始，依次和下一个做全连接，直到合并完所有对象，但代码量直接缩减到两行，维护起来也方便（比如以后要加2018的话，只需要改年份范围就行）。

方法2：用基础循环（更直观） #

如果你更习惯循环的逻辑，也可以用for循环来实现，代码可读性很强：

byvar <- c("A", "B", "C")
# 初始化结果为第一个DataFrame
agg <- list2008

# 循环遍历2009到2017的DataFrame，逐个合并
for(year in 2009:2017) {
  # 根据年份拼接名字，获取对应的DataFrame
  current_df <- get(paste0("list", year))
  # 累积合并到agg中
  agg <- merge(agg, current_df, all = TRUE, by = byvar)
}

这种方式适合刚接触R的朋友，逻辑清晰，每一步都能看明白是怎么合并的。

方法3：用tidyverse工具（适合tidy风格使用者） #

如果你平时用dplyr这类tidyverse包，可以用purrr::reduce()配合full_join()来实现，语法更贴合tidy风格：

library(purrr)
library(dplyr)

# 同样先把所有DataFrame存入列表
df_list <- mget(paste0("list", 2008:2017))

# 用reduce+full_join完成全连接合并
byvar <- c("A", "B", "C")
agg <- df_list %>% 
  reduce(full_join, by = byvar)

这里的full_join()和merge(all = TRUE)是完全等价的，都是做全连接合并，代码看起来更简洁流畅。

内容的提问来源于stack exchange，提问作者kswonder