在R中高效处理多个同尺寸数据框：取单元格X的并集

嘿，针对你这个批量处理多个结构相同data frame的需求，我有几个高效的解决方案，比嵌套循环好用多了！先明确下你的核心需求：生成一个输出df，只要某个单元格在任意输入df里是"X"就保留"X"，否则为NA。下面是几种不同风格的实现方式，你可以根据自己的习惯选择：

先回顾下你的输入和期望输出 #

输入示例：

df1 <- data.frame(col1=c("a","b","c","d"),col2=c(NA,NA,NA,NA),col3=c(NA,"X",NA,"X"),col4=c("X",NA,NA,"X"))
df2 <- data.frame(col1=c("a","b","c","d"),col2=c("X","X",NA,NA),col3=c(NA,NA,NA,"X"),col4=c(NA,NA,NA,NA))
df3 <- data.frame(col1=c("a","b","c","d"),col2=c(NA,NA,"X",NA),col3=c(NA,NA,NA,NA),col4=c(NA,"X",NA,NA))

期望输出：

output <- data.frame(col1=c("a","b","c","d"),col2=c("X","X","X",NA),col3=c(NA,"X",NA,"X"),col4=c("X","X",NA,"X"))

方法1：Tidyverse风格（简洁易读，适合日常使用） #

如果你平时习惯用dplyr和purrr，这种写法非常直观，处理100个df完全没问题：

library(tidyverse)

# 第一步：把所有data frame放进一个列表里（数量可变时，直接往列表加元素就行）
df_list <- list(df1, df2, df3)

# 第二步：批量合并+分组处理
output <- df_list %>%
  bind_rows() %>%  # 把所有df堆叠到一起
  group_by(col1) %>%  # 按行的唯一标识（col1）分组
  mutate(across(col2:col4, ~ ifelse(any(.x == "X", na.rm = TRUE), "X", NA))) %>%  # 对每个列检查是否有X
  distinct(col1, .keep_all = TRUE) %>%  # 保留每组唯一的结果行
  ungroup()

# 查看结果
output

或者还有一种更直接的列表操作写法，不需要堆叠，直接对每个列批量处理：

output <- df_list[[1]] %>%  # 以第一个df为模板
  mutate(across(-col1, ~ pmap_chr(df_list %>% map(select, cur_column()), 
                                  ~ ifelse(any(c(...) == "X", na.rm = TRUE), "X", NA))))

方法2：Data.table风格（极致高效，适合大数据量） #

如果你的data frame行数很多，或者df数量特别大，data.table的速度和内存效率会碾压纯R循环，甚至比tidyverse更快：

library(data.table)

# 把所有df转成data.table并放进列表
dt_list <- lapply(list(df1, df2, df3), as.data.table)

# 合并+分组聚合
output <- rbindlist(dt_list)[, lapply(.SD, function(x) ifelse(any(x == "X", na.rm = TRUE), "X", NA)), 
                             by = col1]

# 按需转回data.frame格式
output <- as.data.frame(output)

方法3：基础R写法（无需额外安装包） #

如果不想加载第三方库，用基础R的矩阵操作也能实现，速度同样比循环快很多：

# 把所有df放进列表
df_list <- list(df1, df2, df3)

# 提取所有指标列（除了col1）转成矩阵列表
mat_list <- lapply(df_list, function(x) as.matrix(x[, -1]))

# 对每个矩阵位置，判断是否有X存在
combined_mat <- apply(simplify2array(mat_list), 1:2, function(x) ifelse(any(x == "X", na.rm = TRUE), "X", NA))

# 组合col1和结果矩阵，还原成data.frame
output <- cbind(df_list[[1]][, 1, drop = FALSE], as.data.frame(combined_mat))
colnames(output) <- colnames(df1)  # 确保列名和原df一致

为什么这些方法比嵌套循环好？ #

• 速度更快：这些方法都是用R内置的向量化操作实现，底层是C/C++代码，避免了纯R循环的逐元素遍历开销，处理100个df时差距会非常明显。
• 更灵活：当df数量变化时，只需要修改列表里的元素，不用调整循环的逻辑，维护起来更省心。
• 可读性强：代码逻辑清晰，别人一看就懂，不像嵌套循环那样容易绕晕。

内容的提问来源于stack exchange，提问作者scyth