关键词：dplyr、按行计算、分组行操作、across()函数互补、

rowwise()

c_across()

1. 为什么需要

rowwise()

？

在实际的数据分析任务中，常常会遇到需要对同一行多个列的值进行聚合操作的情况，例如：

• 计算每行的平均值、最大值或方差
• 从多列中提取每行的 top-k 值
• 将多个字符串列拼接成一个结果字段
• 将多个评分列相加生成综合得分（composite score）

传统处理方式可能如下所示：

apply(df[, c("a","b","c")], 1, mean)

但这种方式存在明显缺陷：

• apply

  会将数据强制转换为矩阵，导致原始数据类型信息丢失
• 与 tidyverse 风格不兼容
• 难以嵌入到管道链式操作中，如

  mutate()

  和

  summarise()

  等语法结构

为此，dplyr 提供了

rowwise()

2. 示例数据

以下是一个典型的学生各科成绩数据集，用于后续演示：

library(dplyr)

df <- tibble(
  id = 1:5,
  Math = c(80, 75, 90, 60, 88),
  English = c(85, 78, 92, 65, 90),
  Physics = c(78, 70, 88, 55, 95)
)
df

3. 为何不能直接使用

mutate(mean = mean(Math, English, Physics))

？

许多用户尝试通过如下代码计算三门课程的平均分：

df %>%
  mutate(mean_score = mean(c(Math, English, Physics)))

然而，这种写法并不会实现逐行计算。其实际行为是：

• 将 Math、English、Physics 三列合并为一个长度为 15 的长向量（假设有 5 行）—— 见

  mean(c(Math, English, Physics))

• 计算整个向量的均值（得到单个数值，如 79.6）—— 见

  mean()

• 将该单一结果重复填充至每一行

最终输出形如：

这本质上是“全列整体计算 + 广播复制”，而非真正的按行聚合。

4.

rowwise()

的核心功能

最基础的应用场景是：对每一行计算多列的平均值。

df %>%
  rowwise() %>%
  mutate(mean_score = mean(c(Math, English, Physics)))

输出示例：

关键点在于：

rowwise()

5. 更优雅的写法：结合

c_across()

为了避免手动列出所有列名，可以使用

c_across()

df %>%
  rowwise() %>%
  mutate(mean_score = mean(c_across(Math:Physics)))

其中，

c_across()

• 将指定的多列组合成一个行内向量
• 便于传递给需要向量输入的函数进行处理

6. 在每行上执行多个函数

利用

rowwise()

df %>%
  rowwise() %>%
  mutate(
    max_score = max(c_across(Math:Physics)),
    min_score = min(c_across(Math:Physics))
  )

7. 按行拼接非数值型字符串

对于字符型列，也可使用类似方法进行行内拼接：

df %>%
  rowwise() %>%
  mutate(info = paste(Math, English, Physics, sep = "-"))

输出示例：

80-85-78

8.

rowwise()

与

summarise()

的组合使用

注意与

across

• rowwise()

  支持在 summarise 中逐行聚合，且结果仍保留原始行数
• 只有在显式调用 ungroup 或移除 rowwise 状态后，才会解除行绑定

例如：

df %>%
  rowwise() %>%
  summarise(mean_score = mean(c_across(Math:Physics)))

group_by

9.

rowwise()

vs

across()

功能对比

rowwise()

across()

mean(c_across())

across(cols, fun)

简单判断标准：

• 若需对多列做相同操作 → 使用 across()
• 若需对单行跨列聚合 → 使用 rowwise()

10. 如何正确移除

rowwise()

在使用

rowwise()

rowwise

如果后续希望恢复正常的列操作（如

group_by()

summarise()

方法一：使用

ungroup()

df %>%
  rowwise() %>%
  summarise(mean_score = mean(c_across(Math:Physics))) %>%
  ungroup()

方法二：使用

as_tibble()

df %>%
  rowwise() %>%
  summarise(mean_score = mean(c_across(Math:Physics))) %>%
  as_tibble()

11. 高频应用场景汇总

mutate(total = sum(c_across(Math:Physics)))

filter(any(c_across(Math:Physics) > 90))

mutate(top2 = mean(sort(c_across(Math:Physics), decreasing = TRUE)[1:2]))

mutate(label = paste(c_across(Math:Physics), collapse = "_"))

12. 系列总结

group_by()   # 分组
summarise()  # 聚合
across()     # 多列批量操作
rowwise()    # 按行聚合处理
c_across()   # rowwise专属数据抓取器