如何在R的tidyverse中计算数据框子集的行加权和？

数据准备 #

library(tidyverse)
dd <- tibble(a = rep(1,10), b = rep(1,10), c = rep(1,10))
weight <- c(1, 5, 10)

错误尝试的问题 #

你嵌套使用rowwise()和map2_dfc时，会逐行生成小数据框，最终导致结果变成嵌套结构，同时因重复列名触发命名警告，这不是我们需要的单值行加权和。

正确解决方法 #

方法1：沿用原思路，针对列子集操作 #

直接选取目标列子集与对应权重做元素相乘，再行求和：

dd %>% mutate(m = rowSums(map2_dfc(select(., b:c), weight[2:3], `*`)))

输出结果：

# A tibble: 10 × 4
       a     b     c     m
   <dbl> <dbl> <dbl> <dbl>
 1     1     1     1    15
 2     1     1     1    15
 3     1     1     1    15
 4     1     1     1    15
 5     1     1     1    15
 6     1     1     1    15
 7     1     1     1    15
 8     1     1     1    15
 9     1     1     1    15
10     1     1     1    15

方法2：矩阵乘法（高效简洁） #

将列子集转为矩阵，与权重向量做矩阵乘法，直接得到每行加权和：

dd %>% mutate(m = as.matrix(select(., b:c)) %*% weight[2:3])

该方法无需逐行遍历，效率远高于rowwise操作，适合大数据场景。

方法3：rowwise + c_across + 点积 #

用c_across选中目标列后，通过点积计算加权和，记得最后取消rowwise状态：

dd %>% 
  rowwise() %>% 
  mutate(m = c_across(b:c) %*% weight[2:3]) %>% 
  ungroup()

方法4：pmap_dbl映射求和 #

用pmap_dbl逐行对目标列和权重做乘积求和：

dd %>% mutate(m = pmap_dbl(select(., b:c), ~ sum(c(...) * weight[2:3])))

核心思路 #

• 避免在rowwise()环境下嵌套返回数据框的函数，否则会生成嵌套结构
• 优先选择向量/矩阵级别的操作，比逐行处理效率更高
• 若使用rowwise，确保计算后返回的是标量而非数据框

内容的提问来源于stack exchange，提问作者Saïd Maanan