R语言 rowwise() ：按行计算解决方案

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

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()

—— 它是行级计算模式的开启器，专门用于解决上述问题。

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：

id	Math	English	Physics	mean_score
1	80	85	78	79.6
2	75	78	70	79.6
...	...	...	...	79.6

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：

id	Math	English	Physics	mean_score
1	80	85	78	81.0
2	75	78	70	74.3
...	...	...	...	...

关键点在于：

rowwise()

明确告诉 dplyr ——接下来的操作应以行为单位进行，而不是默认的列方向操作。

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()

是在 rowwise 模式下的列选择工具，作用是：

• 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()

和 mutate 结合，可同时计算每行的多种统计量：

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

的区别：

• 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)))

输出仍为 5 行，而传统的

group_by

会将结果压缩为 1 行汇总值。

9.

rowwise()

vs

across()

功能对比

维度	rowwise()	across()
操作对象	行	列
常见任务	求每行的统计值	对多列执行相同变换
与 summarise 的关系	保留原始行数	压缩为汇总行
典型语句	mean(c_across())	across(cols, fun)
示例用途	每行平均、拼接字符串	对多列统一求 mean、sd、归一化等

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()

后，数据框仍携带 rowwise 属性 ——

rowwise

。

如果后续希望恢复正常的列操作（如

group_by()

或

summarise()

），必须先解除该状态。

方法一：使用

ungroup()

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

方法二：使用

as_tibble()

重置 tibble 状态

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

11. 高频应用场景汇总

应用场景	代码示例
每行求和	mutate(total = sum(c_across(Math:Physics)))
判断某行是否存在异常值	filter(any(c_across(Math:Physics) > 90))
计算每行 top-2 成绩的平均值	mutate(top2 = mean(sort(c_across(Math:Physics), decreasing = TRUE)[1:2]))
将标签列按行拼接	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

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：解决方案 WISE R语言 MathEnglish Decreasing