如何用mutate()和mean()计算向量指定列名的行平均值？

你需要基于给定的列名列表item_names，计算每行中对应列的平均值作为综合得分，之前的写法无法正常运行是因为在rowwise()环境里直接引用了整列数据，而非当前行的对应值。下面是两种可行的解决方案：

方案1：使用c_across() + all_of()（适配rowwise()） #

在dplyr的rowwise()上下文里，c_across()可以提取当前行指定列的数值，搭配all_of()来引用外部定义的列名向量：

item_names = c("item1", "item2")

dat = dat %>% 
  rowwise() %>% 
  mutate(composite_score = mean(c_across(all_of(item_names)), na.rm = TRUE)) %>%
  ungroup() # 建议取消分组，避免后续操作受rowwise影响

• all_of()确保正确识别外部的列名字符向量，避免列名不存在时的语法错误
• na.rm = TRUE用于忽略缺失值，可根据你的数据情况选择是否保留

方案2：使用rowMeans() + across()（更高效，无需rowwise()） #

如果你的数据集较大，推荐这种不需要rowwise()的写法，计算效率更高：

item_names = c("item1", "item2")

dat = dat %>% 
  mutate(composite_score = rowMeans(across(all_of(item_names)), na.rm = TRUE))

across()选中指定列后，rowMeans()直接对每行计算均值，省去了rowwise()的分组开销。

原代码失效原因 #

你之前写的mean(df[, names(df) %in% item_names])会直接提取整个数据集的指定列（所有行的数据），而不是当前行的数值，所以mean()计算的是整个列的均值，而非每行的行内均值，不符合需求。

内容的提问来源于stack exchange，提问作者Nick Khaligh