如何智能计算DataFrame行和并避免报错？含两类场景方案

先给出可复现的原始数据定义：

library(dplyr)

ori_df <- data.frame(values = 1:10) %>% t() %>% as.data.frame()
colnames(ori_df) <- LETTERS[1:10]

map_list <- list('group_a' = c('A','D','E'),'group_b' = c('G','H','Z'))

问题1：修复group_b求和的报错问题 #

原代码因Z列不存在触发报错，核心思路是只对数据框中实际存在的列求和，两种实现方式：

方式1：用rowSums + select + intersect #

group_df <- ori_df %>% 
  mutate(
    group_a = A + D + E,
    group_b = rowSums(select(., intersect(c('G','H','Z'), colnames(.))))
  )

方式2：用rowwise + c_across #

group_df <- ori_df %>% 
  rowwise() %>%
  mutate(
    group_a = A + D + E,
    group_b = sum(c_across(all_of(intersect(c('G','H','Z'), colnames(.)))))
  ) %>%
  ungroup()

两种方式都会自动忽略不存在的Z列，计算G+H的和且不会报错。

问题2：根据map_list批量生成分组列 #

要批量处理map_list中的所有分组，同时自动过滤不存在的列，推荐两种高效实现：

方式1：用purrr::map_dfc + bind_cols #

library(purrr)

group_df <- ori_df %>%
  bind_cols(
    map_dfc(map_list, ~ rowSums(select(ori_df, intersect(.x, colnames(ori_df)))))
  )

方式2：用dplyr的非标准求值（!!!） #

group_df <- ori_df %>%
  mutate(
    !!!map(map_list, ~ rowSums(select(., intersect(.x, colnames(.)))))
  )

这两种方式都会生成group_a（A+D+E）和group_b（G+H）列，全程不会因Z列不存在触发报错。

内容的提问来源于stack exchange，提问作者anderwyang