R 在列的子集上使用“按行变异”

我正在尝试创建一个新列，该列将包含对tibble的一个子集按行进行的计算结果，并将此新列添加到现有tibble中。像这样：

df <- tibble(
ID = c("one", "two", "three"),
A1 = c(1, 1, 1),
A2 = c(2, 2, 2),
A3 = c(3, 3, 3)
)

…因为我去掉了“ID”列，以便让mutate在其他（数字）列上运行行和。我曾尝试在变异后在管道中查找或绑定，但不起作用。mutate的所有变体都不起作用，因为它们在适当的位置工作（在tible的每个单元格内，而不是跨列工作，即使使用rowwise）

这确实有效，但我觉得这不是一个优雅的解决方案：

df %>% 
mutate(SumA = rowSums(.[,grepl("^A", colnames(df))]))

是否有任何基于tidyverse的解决方案不需要grepl或方括号，只需要更标准的dplyr动词和参数

我的预期输出是：

df_out <- tibble(
ID = c("one", "two", "three"),
A1 = c(1, 1, 1),
A2 = c(2, 2, 2),
A3 = c(3, 3, 3),
SumA = c(6, 6, 6)
)

---

df_out这里有一种方法可以使用
purr:：pmap
在
tidyverse
中进行行计算。这最适合用于实际需要逐行运行的函数；简单的加法可能是一种更快的方法。基本上，我们使用
select
为
pmap
提供输入列表，这样我们就可以使用
select
帮助程序，如
start\u with
或
matches
（如果需要正则表达式）

库（tidyverse）
df%
变异(
SumA=pmap_dbl(
.l=选择（，以“A”开头），
.f=函数（…）和（…）
)
)
#>#tibble:3 x 5
#>ID A1 A2 A3 SumA
#>       
#>1 1 2 3 6
#>二二一二三六
#>三三一二三六

由（v0.2.1）创建于2019-01-30这里有一种不同的方法，它不按行移动，而是利用加法的矢量化性质，加法可以实现通勤。它允许使用重复应用
+
和
purrr:：reduce

库（tidyverse）
df%
变异(
SumA=减少(
.x=选择（，以“A”开头），
.f=`+`
)
)
#>#tibble:3 x 5
#>ID A1 A2 A3 SumA
#>       
#>1 1 2 3 6
#>二二一二三六
#>三三一二三六

由（v0.2.1）
1）于2019-01-30创建，要使用
行和
尝试在
mutate
中嵌套第二条管道，如下所示：

library(dplyr)

df %>% mutate(Sum = select(., starts_with("A")) %>% rowSums)

给予：

# A tibble: 3 x 5
  ID       A1    A2    A3   Sum
  <chr> <dbl> <dbl> <dbl> <dbl>
1 one       1     2     3     6
2 two       1     2     3     6
3 three     1     2     3     6

# A tibble: 3 x 5
  ID       A1    A2    A3   Sum
  <chr> <dbl> <dbl> <dbl> <dbl>
1 one       1     2     3     6
2 two       1     2     3     6
3 three     1     2     3     6

给予：

# A tibble: 3 x 5
  ID       A1    A2    A3   Sum
  <chr> <dbl> <dbl> <dbl> <dbl>
1 one       1     2     3     6
2 two       1     2     3     6
3 three     1     2     3     6

# A tibble: 3 x 5
  ID       A1    A2    A3   Sum
  <chr> <dbl> <dbl> <dbl> <dbl>
1 one       1     2     3     6
2 two       1     2     3     6
3 three     1     2     3     6

#一个tible:3 x 5
ID A1 A2 A3和
1 1 2 3 6
二二一二三六
三三一二三六
[upd]我没有注意到@Calum使用了几乎相同的方法

另一种可能的方法是：

library(dplyr)
library(purrr)

dat %>%
  mutate(SumA = pmap_dbl(select(., contains('A')), sum))   

数据：

#dat您可以嵌套并在嵌套列上使用
行和
：

library(tidyverse)
df %>% nest(-ID) %>%
  mutate(SumA = map_dbl(data,rowSums)) %>%
  unnest

# # A tibble: 3 x 5
#      ID  SumA    A1    A2    A3
#   <chr> <dbl> <dbl> <dbl> <dbl>
# 1   one     6     1     2     3
# 2   two     6     1     2     3
# 3 three     6     1     2     3

为了证明基础有时更容易：

df$SumA <- rowSums(df[-1])

df$SumA哇，谢谢大家，这里有很多好主意-很难选择首选答案。我喜欢Callum You的pmap（尽管reduce仍然让我困惑：-），我喜欢G.Grothendieck的嵌套管道（我不知道你能做到），utubun的Callum You的简化版本解决方案。
# # A tibble: 3 x 5
#   ID       A1    A2    A3  SumA
#   <chr> <dbl> <dbl> <dbl> <dbl>
# 1 one       1     2     3     6
# 2 two       1     2     3     6
# 3 three     1     2     3     6

library(tidyverse)
df %>% nest(-ID) %>%
  mutate(SumA = map_dbl(data,rowSums)) %>%
  unnest

# # A tibble: 3 x 5
#      ID  SumA    A1    A2    A3
#   <chr> <dbl> <dbl> <dbl> <dbl>
# 1   one     6     1     2     3
# 2   two     6     1     2     3
# 3 three     6     1     2     3

df %>% mutate(SumA = pmap_dbl(.[-1],sum))
# # A tibble: 3 x 5
#      ID    A1    A2    A3  SumA
#   <chr> <dbl> <dbl> <dbl> <dbl>
# 1   one     1     2     3     6
# 2   two     1     2     3     6
# 3 three     1     2     3     6

df$SumA <- rowSums(df[-1])