R语言中如何基于每行值的条件对DataFrame执行mutate操作

针对你需要根据当前行值动态判断其他行是否满足条件，并计算对应列均值的需求，以下是两种可行的实现方式，同时支持多条件扩展：

方法1：使用dplyr的rowwise()逐行处理 #

rowwise()可以让mutate逐行执行逻辑，直接引用当前行的字段值，结合整个数据集的列进行筛选计算：

library(dplyr)

df <- data.frame(
  a = c(1, 2, 3, 4, 5, 8, 9, 15, 22, 60),
  b = c(2, 3, 4, 5, 6, 7, 8, 9, 10, 11)
)

# 计算所有a值<=当前行a值的b的均值
df <- df %>%
  rowwise() %>%
  mutate(c = mean(df$b[df$a <= a])) %>%
  ungroup() # 处理完记得取消逐行模式

执行后df$c的结果符合预期：第一行是2，第二行是2.5，第三行是3，以此类推。

方法2：使用purrr的map_dbl()高效迭代 #

如果数据集较大，rowwise()的效率可能偏低，推荐用purrr的迭代函数，无需开启逐行模式：

library(dplyr)
library(purrr)

df <- df %>%
  mutate(c = map_dbl(a, ~mean(b[a <= .x])))

这里map_dbl遍历a列的每个值（.x代表当前行的a值），筛选出a列中小于等于.x的行对应的b值，再计算均值。

多条件扩展示例 #

如果需要同时满足多个动态条件（比如a<=当前行a且b>当前行b的一半），只需在筛选逻辑中添加条件即可：

基于rowwise的多条件实现 #

df <- df %>%
  rowwise() %>%
  mutate(c = mean(df$b[df$a <= a & df$b > b/2])) %>%
  ungroup()

基于purrr的多条件实现 #

df <- df %>%
  mutate(c = map2_dbl(a, b, ~mean(b[a <= .x & b > .y/2])))

这里map2_dbl同时遍历a和b列的当前值（.x为当前a，.y为当前b），实现多动态条件的筛选计算。

内容的提问来源于stack exchange，提问作者owaiapu