如何构建接收多个DataFrame并合并的函数？适配dplyr/purrr更新

我来帮你搞定这个多DataFrame合并的函数问题，顺便聊聊dplyr和purrr的近期更新~

你之前尝试用!!!没成功，大概率是没处理好函数的参数输入方式。这里给你两种实用的实现方案：

方案1：直接接收多个单独的DataFrame #

如果你的使用场景是直接传入df_1, df_2, df_3这种独立的DataFrame，用可变参数...就可以轻松搞定，根本不需要额外的拆包操作：

library(tidyverse)

get_bind_dfs <- function(...){
  # bind_rows本身就支持直接接收多个DataFrame参数
  dplyr::bind_rows(...)
}

# 测试一下
df_1 = mtcars %>% slice(1:2)
df_2 = mtcars %>% slice(6:8)
df_3 = mtcars %>% slice(30:32)

get_bind_dfs(df_1, df_2, df_3)

方案2：接收DataFrame列表作为输入 #

如果你的数据是打包成列表传入的，那更简单——新版dplyr的bind_rows直接支持列表输入，无需手动拆包：

get_bind_dfs <- function(df_list){
  dplyr::bind_rows(df_list)
  # 也可以用purrr的reduce做自定义合并（比如需要特殊逻辑时）：
  # purrr::reduce(df_list, dplyr::bind_rows)
}

# 测试
df_list <- list(df_1, df_2, df_3)
get_bind_dfs(df_list)

• bind_rows的列表支持：从dplyr 1.0.0开始，bind_rows彻底支持直接传入DataFrame列表，不用再像以前那样手动用!!!拆包，代码更简洁，性能也有提升。
• 异构列处理优化：现在合并不同列的DataFrame时，会自动给缺失的列填充NA，而且报错提示更清晰，调试更方便。
• purrr的reduce简化：purrr的reduce函数对数据框合并的兼容性更好，写法更直观，但如果只是简单的行合并，直接用bind_rows处理列表已经足够高效。

如果你之前写的是bind_rows(!!!one_or_more_dfs)，问题可能出在参数定义上：

• 如果你的函数参数是function(one_or_more_dfs)，但调用时传入的是df_1, df_2, df_3，那one_or_more_dfs只会拿到第一个DataFrame，后面的参数会被忽略——这时候应该把参数改成...来接收多个输入。
• 要是你传入的是列表但还是报错，那可能是旧版本的dplyr，升级到1.0.0+就可以解决这个问题。

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