dplyr - 使用列索引而不是列名將列輸入到 rowwise()

Question

我找到了一個很好的解決方案，我想在這里創建一個新列來計算相應行中所有單元格的平均值：

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

無可否認，數據並不整潔，但我在下面復制的解決方案可以完成工作：

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，與這個更簡單的示例不同，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號快速引用列（即，而不是 c(a, b)，類似於 2:3）或通過索引引用列的其他方式。

我在此處的另一個 Stack Overflow 線程上發現了類似的內容，但該解決方案有其自身的問題，因為我們列出了所有列索引而不是列名。 我的列太多了，無法為每個計算列出所有列。

任何解決方案？

編輯：我自己想出了一個，但我覺得它太不雅了，我相信我可能會為每一行提取整列，這顯然比預期的解決方案要慢：

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

任何更快的解決方案？

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

對我來說，使用rowMeans似乎很簡單，不涉及tidyverse函數。

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

但是，如果您更喜歡tidyverse解決方案，我們可以從purrr map函數中獲得一些幫助。

library(dplyr)
library(purrr)

僅用於兩列

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

對於多列

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