R语言：通过列名部分匹配批量拆分数据框并循环处理

我来帮你搞定这个循环匹配的问题！你遇到的核心问题有两个：一是循环里没正确引用Speciesnames[i]，二是每次循环都覆盖了原始的df，导致后续循环出错。下面是具体的解决办法：

首先，绝对不要在循环里修改原始的df——不然循环到第二次的时候，你手里的已经是第一个物种的子数据框了，根本找不到其他物种的列。我们应该从原始数据框里每次重新筛选，把结果存到一个列表里，方便后续统一处理：

library(stringr)

# 先定义你的原始数据框（这里用示例数据模拟）
df_raw <- data.frame(
  ABBA01A = c(1908, 1909, 1910),
  ABBA01B = c(NA, 2, NA),
  ACRU01A = c(NA, NA, 5),
  ACRU01B = c(3, NA, NA),
  ARCU01A = c(1, 2, 3),
  PIAB01A = c(4, 5, 6),
  PIGL01A = c(7, 8, 9)
)

# 获取4字符的唯一物种前缀
Speciesnames <- unique(substring(names(df_raw), 1, 4))

# 创建一个空列表，用来存储每个物种的子数据框
species_dfs <- list()

# 开始循环处理每个物种
for (i in seq_along(Speciesnames)) {
  # 取出当前循环的物种名称
  current_sp <- Speciesnames[i]
  # 从原始数据框中筛选匹配当前物种前缀的列
  sub_df <- df_raw[str_detect(names(df_raw), current_sp)]
  # 把子数据框存入列表，用物种名称作为索引名，方便后续查找
  species_dfs[[current_sp]] <- sub_df
  
  # 在这里添加你的自定义计算逻辑，举几个例子：
  # 示例1：计算子数据框每列的非NA值数量
  col_non_na <- colSums(!is.na(sub_df))
  cat("物种", current_sp, "的非NA值统计：\n")
  print(col_non_na)
  
  # 示例2：计算子数据框的行均值（忽略NA）
  sub_df$row_avg <- rowMeans(sub_df, na.rm = TRUE)
  # 更新列表里的子数据框（把计算结果存进去）
  species_dfs[[current_sp]] <- sub_df
  
  cat("-------------------------\n")
}

# 后续要调用某个物种的子数据框，直接用名称索引就行
species_dfs[["ABBA"]]

如果你觉得for循环有点啰嗦，R里的lapply函数更适合这种批量处理场景，代码更紧凑：

# 用lapply批量生成带自定义计算的子数据框列表
species_dfs_lapply <- lapply(Speciesnames, function(sp) {
  # 筛选列
  sub_df <- df_raw[str_detect(names(df_raw), sp)]
  # 自定义计算：比如新增一列存储每行的最大值（忽略NA）
  sub_df$row_max <- apply(sub_df, 1, max, na.rm = TRUE)
  return(sub_df)
})

# 给列表加上物种名称作为索引
names(species_dfs_lapply) <- Speciesnames

# 查看ARCU的子数据框（带新增的row_max列）
species_dfs_lapply[["ARCU"]]

关键错误点说明 #

你之前的循环里有两个致命问题：

1. 语法错误：pattern =[i]完全不对，应该是pattern = Speciesnames[i]来引用当前循环的物种前缀；
2. 数据覆盖：每次循环把df重新赋值为筛选后的子数据框，导致下一次循环只能在这个小数据框里找列，自然匹配不到其他物种。

用列表存储结果就完美解决了这个问题——每个物种的子数据框互相独立，还能随时通过名称调用。

内容的提问来源于stack exchange，提问作者user2991591