使用dplyr将函数应用于行中的选定列

新的

dplyr

1.0.0版实现了这一点

跨

允许在整列上应用函数，例如使用

排序

和

所有内容（）

：

但是有没有一种方法可以直接到达：

  V1 V2 V3 V4 V5 
1  1  3  5  5  5 
2  2  2  4  5  5 
3  1  1  2  2  3 
4  1  1  2  2  3 
5  1  1  4  5  5 

---

与列的情况一样？

我们可以直接使用

pmap

，而不是跨

行/c\u的两个步骤

library(dplyr)
library(purrr)
df %>% 
    pmap_dfr(~ set_names(sort(c(...)), names(df)))
# A tibble: 5 x 5
#     V1    V2    V3    V4    V5
#  <int> <int> <int> <int> <int>
#1     1     3     5     5     5
#2     2     2     4     5     5
#3     1     1     2     2     3
#4     1     1     2     2     3
#5     1     1     4     5     5

谢谢@akrun的回答。它是否也适用于任何情况，例如，如果我使用select（is.numeric）而不是everything（）？谢谢@akrun，
transmute
正是我想要的@谢谢你。我在想你之前对select的评论。你能更新你的帖子吗that@Waldi我更新了这篇文章，但它似乎对我来说仍然不直接。
dplyr
使处理行变得容易，但我认为它仍然不是处理行操作的最佳工具。@Ronak Shah，谢谢你的评论：我同意，处理行越来越容易了，但与圆柱相比，它还不是完全对称的
  V1 V2 V3 V4 V5 
1  1  3  5  5  5 
2  2  2  4  5  5 
3  1  1  2  2  3 
4  1  1  2  2  3 
5  1  1  4  5  5 

library(dplyr)
library(purrr)
df %>% 
    pmap_dfr(~ set_names(sort(c(...)), names(df)))
# A tibble: 5 x 5
#     V1    V2    V3    V4    V5
#  <int> <int> <int> <int> <int>
#1     1     3     5     5     5
#2     2     2     4     5     5
#3     1     1     2     2     3
#4     1     1     2     2     3
#5     1     1     4     5     5

library(tidyr)
df %>%
   rowwise %>%
   transmute(sortlist = list(sort(c_across(everything())))) %>% 
   unnest_wider(c(sortlist)) %>%
   set_names(names(df))
# A tibble: 5 x 5
#     V1    V2    V3    V4    V5
#  <int> <int> <int> <int> <int>
#1     1     3     5     5     5
#2     2     2     4     5     5
#3     1     1     2     2     3
#4     1     1     2     2     3
#5     1     1     4     5     5

df %>% 
  rowwise %>% 
  transmute(V1, V2, sortlist = list(sort(c_across(V3:V5)))) %>% 
  unnest_wider(c(sortlist)) %>%
  set_names(names(df))