您需要在aggregate中的lapply

lapply(df_list,function(x) aggregate(B~A,x,sum))

#[[1]]
#       A  B
#1 Apples 11
#2  Pears  6

#[[2]]
#           A  B
#1    Oranges 11
#2 Pineapples  6

使用map和purrr中的dplyr

library(dplyr)
purrr::map(df_list,~.x %>% group_by(A) %>% summarise(sum = sum(B)))

数据

df_list <- list(structure(list(A = structure(c(1L,2L,1L,1L),.Label = c("Apples","Pears"),class = "factor"),B = c(2L,5L,6L,3L)),class = "data.frame",row.names = c("1","2","3","4","5")),structure(list(A = structure(c(1L,.Label = c("Oranges","Pineapples"),"5")))

我担心您可能对lapply或提取操作符（[）都不了解。请记住，lapply(list,function)将指定的function应用于您赋予的list的每个元素。提取为您提供您指定的元素：

x <- c('a','b','c')
x[2]
## "b"

我可以想象在R工作区的某个地方有一个对象名B，这就是为什么您不会在

## Error in lapply(B,sum) : object 'B' not found

相反，如果您同时（有意或无意）定义了A和B，则会看到错误消息

## Error in df_list[,lapply(B,sum),by = A] : incorrect number of dimensions

因为根本就不是[的使用方式；请记住，您只是将索引或布尔值与偶然的可选参数一起传递给[，但是by并不是其中之一。

因此，在没有进一步的前提下，这是我将如何执行此操作（在基数R中）：

# make some data
a <- c(1,2,1,1)
b <- c(2,5,6,3)
df_list <- list(df.1 = data.frame(A = c('Apples','Pears')[a],B = b),df.2 = data.frame(A = c('Oranges','Pineapples')[a],B = b))

# simplify it
df_list_2 <- lapply(df_list,function(x) {
    aggregate(list(B = x$B),list(A = x$A),sum)
})

# the desired result
df_list_2

## $df.1
##        A  B
## 1 Apples 11
## 2  Pears  6
## 
## $df.2
##            A  B
## 1    Oranges 11
## 2 Pineapples  6

您可以利用data.frame只是一个列表这一事实，并缩短代码，如下所示：

df_list_2 <- lapply(df_list,function(x) {
    aggregate(x['B'],x['A'],sum)
})

但是第一种书写方式应该有助于更清楚地了解我们在做什么

OP帖子中的data.table语法可以更改为

library(data.table)
lapply(df_list,function(x) as.data.table(x)[,.(B = sum(B)),by = A])
#$df.1
#        A  B
#1: Apples 11
#2:  Pears  6

#$df.2
#            A  B
#1:    Oranges 11
#2: Pineapples  6

数据

df_list <- list(df.1 = structure(list(A = structure(c(1L,1L
),df.2 = structure(list(A = structure(c(1L,"5")))