嘿，这个问题很好解决，核心思路就是先给每个数据表做个“体检”，只留下带n列的表再处理，这样就不会因为某个表缺列报错啦！我给你两种实现方式，基础R和tidyverse风格的都有，你按需选：

基础R实现方案 #

先写一个辅助函数用来判断数据表是否包含n列，再用Filter()函数把符合条件的表筛选出来，之后再执行你的目标逻辑：

# 辅助函数：检查数据表是否包含"n"列
has_n_column <- function(df) {
  "n" %in% colnames(df)
}

# 你的主函数
my_function <- function(...) {
  # 把传入的所有数据表打包成列表
  tables <- list(...)
  
  # 过滤出包含"n"列的有效表
  valid_tables <- Filter(has_n_column, tables)
  
  # 处理没有有效表的情况（可选）
  if (length(valid_tables) == 0) {
    message("警告：没有找到包含'n'列的数据表")
    return(NULL)
  }
  
  # 这里写你的目标逻辑，比如提取每个表的"n"列，或者计算你需要的结果
  # 举个例子：提取每个有效表的"n"列并返回列表
  result <- lapply(valid_tables, function(x) x[,"n"])
  
  return(result)
}

Tidyverse风格实现方案 #

如果你平时习惯用tidyverse工具包，用purrr::keep()来筛选会更简洁：

library(purrr)

my_function <- function(...) {
  tables <- list(...)
  
  # 筛选出包含"n"列的表
  valid_tables <- tables %>% keep(~ "n" %in% colnames(.x))
  
  # 空表处理
  if (length(valid_tables) == 0) {
    message("警告：没有找到包含'n'列的数据表")
    return(NULL)
  }
  
  # 执行你的目标逻辑，比如提取每个表的"n"列
  result <- valid_tables %>% map(~ .x[["n"]])
  
  return(result)
}

测试一下 #

你可以用下面的测试数据验证效果：

# 创建测试表
t13 <- data.frame(n = 1:5, other_col = letters[1:5])
t14 <- data.frame(n = 6:10, other_col = letters[6:10])
t15 <- data.frame(other_col = 11:15) # 没有"n"列

# 调用函数
my_function(t13, t14, t15)

执行后只会返回t13和t14的n列，t15会被自动忽略，完全不会报错~

内容的提问来源于stack exchange，提问作者Josh. D