dplyr-使用列索引而不是列名将列输入到rowwise（）

我找到了一个很好的解决方案，解决了一个问题，我想创建一个新的列，计算对应行中所有单元格的平均值：

诚然，数据并不整齐，但我在下面复制的解决方案完成了工作：

data %>% 
    rowwise() %>% 
    mutate(c=mean(c(a,b)))

#      id     a     b     c
#   (dbl) (dbl) (dbl) (dbl)
# 1   101     1     2   1.5
# 2   102     2     2   2.0
# 3   103     3     2   2.5

然而，与这个简单的示例不同，我有太多的列无法命名。我想知道是否有任何方法可以使用切片表示法（即，代替c（a，b），类似于2:3）或通过索引引用列的其他方式快速引用列

我在另一个堆栈溢出线程上发现了类似的情况，但解决方案有其自身的问题，因为我们列出的是所有列索引，而不是列名。我有太多的列，我列出他们所有的每一个计算

有什么解决办法吗

编辑：我自己找到了一个，但我觉得这太不雅观了，我相信我可能会为每一行提取整个列，这显然是一个比预期慢的解决方案：

data %>%
  mutate(id = row_number()) %>%
  rowwise() %>%
  mutate(avg = mean(c(.[id, 2:4], recursive=TRUE)))

任何更快的解决方案？

您可以执行以下操作：

df %>%
 mutate(c = rowMeans(select(., 2:3)))

   id a b   c
1 101 1 2 1.5
2 102 2 2 2.0
3 103 3 2 2.5

或：

---

对我来说，使用

rowMeans

似乎很简单，不涉及

tidyverse

函数

data$c <- rowMeans(data[2:3])

library(dplyr)
library(purrr)

只有两列

data %>% mutate(c = map2_dbl(a, b, ~mean(c(.x, .y))))

对于许多专栏

data %>%  mutate(c = pmap_dbl(select(., a:b), ~mean(c(...))))

---

为什么不

rowMeans（数据[-1]）

？@RonakShah你刚刚击败了我。如果它是所有列的简单平均值，但

id

，则可以按原样使用他的解决方案。否则你可以传递列数的向量。@chinsoon12我想，当然，这对于一般知识来说是很好的，但我更喜欢一种在tidyverse中进行传递的方法。例如，我当然可以只使用rowmeans循环来计算答案。我更大的问题不在于如何获取行的意思本身——这正是导致我提出这个更大问题的一个具体例子——而是关于使用tidyverse中的rowwise（）函数为列建立索引的一种有效方法；当然，这是可行的，但尽管某些计算确实需要它，但一般来说，一次计算整个向量的效率会低于R。我知道您正在使用

rowMeans

作为了解如何以这种方式处理数据的方法，但是。。。也许您真正的问题也不需要按行执行

？

data %>%  mutate(c = pmap_dbl(select(., a:b), ~mean(c(...))))