如何从dplyr的R mutate函数调用函数来添加计算列？

我被困在如何向tibble添加新的计算列上。这是我的代码，当它执行时，新列（

scs\u oi\u pre

）中的所有行都包含相同的值，而输入是不同的。我希望逐行计算

scs_pre_1

和

scs_pre_2

的平均值。如果我用

scs\u pre\u 1+scs\u pre\u 2

替换

mean（c（scs\u pre\u 1，scs\u pre\u 2）

，则可以很好地计算总和，但使用函数才是问题所在

scsData <- tibble(scs_pre_1, scs_pre_2) %>%
  mutate(scs_oi_pre = mean(c(scs_pre_1, scs_pre_2)))

scsData%
突变（scs_oi_pre=平均值（c（scs_pre_1，scs_pre_2）））

输出

---

你能告诉我我遗漏了什么吗？

一个

dplyr

习惯用法是将

rowwise（）

用于：

库（dplyr）
df%>%
行（）
变异（平均值=平均值（c（前1，前2）））
#一个tibble:10x3
#顺时针：
前1个前2个平均值
1 -0.560   1.22   0.332  
2 -0.230   0.360  0.0648 
3  1.56    0.401  0.980  
4  0.0705  0.111  0.0906 
5  0.129  -0.556 -0.213  
6  1.72    1.79   1.75   
7  0.461   0.498  0.479  
8 -1.27   -1.97  -1.62   
9 -0.687   0.701  0.00725
10 -0.446  -0.473 -0.459  

数据：

set.seed（123）
df一个
dplyr
习惯用法是将
rowwise（）
用于：

库（dplyr）
df%>%
行（）
变异（平均值=平均值（c（前1，前2）））
#一个tibble:10x3
#顺时针：
前1个前2个平均值
1 -0.560   1.22   0.332  
2 -0.230   0.360  0.0648 
3  1.56    0.401  0.980  
4  0.0705  0.111  0.0906 
5  0.129  -0.556 -0.213  
6  1.72    1.79   1.75   
7  0.461   0.498  0.479  
8 -1.27   -1.97  -1.62   
9 -0.687   0.701  0.00725
10 -0.446  -0.473 -0.459  

数据：

set.seed（123）
df如果你可以发布一个样本数据集来处理，这会很有帮助。
dput（df）
或者，如果它是一个大数据帧，
dput（head（df））
是好的。或者，正如我在回答中添加的，你可以创建玩具数据来演示你的问题。使用
rowMeans
：
tible（scs_pre_1，scs_pre___2）%>%mutate（scs_oi_pre=rowMeans（）
谢谢@ronak shah，这也行得通，但我的代码比我给出的简单示例要复杂一些，最后，我需要使用rowwise（）进行计算。如果您可以发布一个示例数据集来处理，这会很有帮助。
dput（df）
或者，如果是大数据帧，
dput（head（df））
很好。或者，正如我在回答中添加的，您可以创建玩具数据来演示您的问题。使用
rowMeans
：
TIBLE（scs_pre_1，scs_pre_2）%%>%mutate（scs_oi_pre=rowMeans（）
谢谢@ronak shah，这也行得通，但我的代码比我给出的简单示例要复杂一点，最后，我需要使用rowwise（）进行计算。嗨@andrew_reece，rowwise（）正是我需要的！我完全错过了这一点。非常感谢你让我走上正轨。嗨@andrew_reece，rowwise（）这正是我需要的！我完全错过了。非常感谢你让我走上正轨。