在mutate（）和rowwise（）中正确使用运算符

我正在处理一个数据集，其中包含我进行的一项调查的数据。这项调查与心理健康有关，一些领域的高分表明心理健康状况不佳，而另一些领域则表示心理健康状况良好。因此，使用mutate（）和rowwise（）我现在尝试使用mutate中的逻辑运算符计算域分数。我试过检查以下小数据，看起来还可以，但感觉像是一个粗略的解决方案，有没有关于如何改进的想法，或者这样可以吗

我的数据与此类似，请执行以下操作：

#Create fake data where x, y and z are facet scores. 
df <- tibble(x = 1:2, y = 3:4, z = 5:6)

#Calculate domain score (m) where high score on y is negative.
df %>% rowwise() %>% mutate(m = mean(c(x, 3-y, z)))

#创建假数据，其中x、y和z是刻面分数。
df%rowwise（）%%>%突变（m=平均值（c（x，3-y，z）））

注意：在我的“真实”数据帧中，我从域中的面数中减去平均值，用3来检查R如何处理减法

第一次问问题，希望我的例子都可以

提前谢谢

---

//Ems

我会更改需要更改的列，然后使用

rowMeans

，这比使用

rowwise

和

means

要快得多

library(dplyr)

df %>% mutate(y = 3  - y) %>% mutate(m = rowMeans(.)) 

---

我们可以使用

base R

df$y <- 3 - df$y
df$m <- rowMeans(df) 

---

df$y谢谢！这似乎是一种更快更干净的方法。