使用lapply和自定义函数直接将表格加载至列表

我来帮你梳理下这个函数的逻辑，以及可以优化的地方——毕竟用assign直接往全局环境塞变量，有时候容易造成环境混乱，而且鲁棒性也可以再提升～

原函数的核心逻辑 #

先看你写的这个函数：

load_files <- function(folder) { 
  file <- list.files(path = paste0(folder, "/"), pattern = "quast.tsv") 
  assign( 
    paste0("ref_", gsub("^GCF_(.*?)_ASM(.*?)$", "\\1", folder)), 
    read.delim( 
      paste0(folder, "/", file), stringsAsFactors = F, header = TRUE, sep = "\t" 
    ) 
  ) 
}

它做了这几件事：

• 定位指定文件夹里的quast.tsv文件
• 从文件夹名（假设格式是GCF_xxxx_ASMxxxx）里提取中间的xxxx部分，拼接成ref_xxxx作为变量名
• 把加载好的表格用assign放到当前环境（通常是全局环境）

原for循环的用法示例 #

估计你之前是这么用的——先列好目标文件夹列表，然后循环调用函数：

# 示例文件夹列表
folders <- c("GCF_1234_ASM5678", "GCF_9012_ASM3456")
for (f in folders) {
  load_files(f)
}

跑完之后，你的全局环境里就会多出ref_1234和ref_9012两个数据框。

几个可以优化的点 #

1. 避免全局环境变量混乱（推荐用列表管理）

assign直接创建全局变量的问题在于，变量多了之后很难管理，而且容易和现有变量重名。更推荐把所有数据框放到一个命名列表里：

load_files <- function(folder) { 
  # 用full.names直接获取完整文件路径，省得自己拼接
  file <- list.files(path = folder, pattern = "quast.tsv", full.names = TRUE)
  # 处理文件夹末尾可能带的/
  folder_clean <- gsub("/$", "", folder)
  # 提取命名后缀
  df_suffix <- gsub("^GCF_(.*?)_ASM(.*?)$", "\\1", folder_clean)
  df_name <- paste0("ref_", df_suffix)
  # 加载数据
  df <- read.delim(file, stringsAsFactors = FALSE, header = TRUE, sep = "\t")
  # 返回命名列表
  setNames(list(df), df_name)
}

# 批量加载并合并成一个大列表
folders <- c("GCF_1234_ASM5678", "GCF_9012_ASM3456")
all_quast_dfs <- do.call(c, lapply(folders, load_files))

# 访问单个数据框就用 all_quast_dfs$ref_1234 就行

2. 添加文件存在性检查

原函数如果遇到文件夹里没有quast.tsv的情况，会直接报错。加个检查能让函数更友好：

load_files <- function(folder) { 
  file <- list.files(path = folder, pattern = "quast.tsv", full.names = TRUE)
  if (length(file) == 0) {
    warning(paste("⚠️ 没找到quast.tsv文件：", folder))
    return(NULL)
  }
  folder_clean <- gsub("/$", "", folder)
  df_suffix <- gsub("^GCF_(.*?)_ASM(.*?)$", "\\1", folder_clean)
  df_name <- paste0("ref_", df_suffix)
  df <- read.delim(file, stringsAsFactors = FALSE, header = TRUE, sep = "\t")
  setNames(list(df), df_name)
}

3. 让正则匹配更健壮

如果文件夹名格式不是严格的GCF_xxxx_ASMxxxx，原gsub会返回整个文件夹名，导致变量名奇怪。可以加个匹配检查：

load_files <- function(folder) { 
  file <- list.files(path = folder, pattern = "quast.tsv", full.names = TRUE)
  if (length(file) == 0) {
    warning(paste("⚠️ 没找到quast.tsv文件：", folder))
    return(NULL)
  }
  folder_clean <- gsub("/$", "", folder)
  # 用regexec精准匹配格式
  match_res <- regexec("^GCF_(.*?)_ASM", folder_clean)
  if (length(match_res[[1]]) < 2) {
    warning(paste("⚠️ 文件夹名格式不匹配：", folder_clean, "将用原名称作为后缀"))
    df_name <- paste0("ref_", folder_clean)
  } else {
    df_suffix <- regmatches(folder_clean, match_res)[[1]][2]
    df_name <- paste0("ref_", df_suffix)
  }
  df <- read.delim(file, stringsAsFactors = FALSE, header = TRUE, sep = "\t")
  setNames(list(df), df_name)
}

这样调整后，函数的鲁棒性更强，也更符合R的最佳实践，管理数据也更方便～

内容的提问来源于stack exchange，提问作者Haakonkas