dplyr - 使用列索引而不是列名将列输入到 rowwise()

Question

我找到了一个很好的解决方案，我想在这里创建一个新列来计算相应行中所有单元格的平均值：

https://stackoverflow.com/a/33438918/12744116

无可否认，数据并不整洁，但我在下面复制的解决方案可以完成工作：

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

但是，与这个更简单的示例不同，我要命名的列太多了。 我想知道是否有任何方法可以使用切片符号快速引用列（即，而不是 c(a, b)，类似于 2:3）或通过索引引用列的其他方式。

我在此处的另一个 Stack Overflow 线程上发现了类似的内容，但该解决方案有其自身的问题，因为我们列出了所有列索引而不是列名。 我的列太多了，无法为每个计算列出所有列。

任何解决方案？

编辑：我自己想出了一个，但我觉得它太不雅了，我相信我可能会为每一行提取整列，这显然比预期的解决方案要慢：

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

任何更快的解决方案？

Answer 1

你可以做：

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

或者：

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

Answer 2

对我来说，使用rowMeans似乎很简单，不涉及tidyverse函数。

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

但是，如果您更喜欢tidyverse解决方案，我们可以从purrr map函数中获得一些帮助。

library(dplyr)
library(purrr)

仅用于两列

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

对于多列

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