dplyr中部分操作无需rowwise()即可按行执行的原因探究

先看你提供的示例代码及结果：

示例代码 #

library(dplyr)
df = data.frame(
  group = c("a", "a", "a", "b", "b", "c"),
  var1 = 1:6,
  var2 = 7:12
)

df %>%
  mutate(
    concatNotRW = paste0(var1, "-", group), # 逐行生效
    meanNotRW = mean(c(var1, var2)), # 未逐行生效
    charsNotRW = strsplit(concatNotRW, "-") # 逐行生效
  ) %>%
  rowwise() %>%
  mutate(
    concatRW = paste0(var1, "-", group), # 全部逐行生效
    meanRW = mean(c(var1, var2)),
    charsRW = strsplit(concatRW, "-")
  ) -> res

运行结果 #

group  var1  var2 concatNotRW meanNotRW charsNotRW concatRW meanRW chars    
  <chr> <int> <int> <chr>           <dbl> <list>     <chr>     <dbl> <list>   
1 a         1     7 1-a               6.5 <chr [2]>  1-a           4 <chr [2]>
2 a         2     8 2-a               6.5 <chr [2]>  2-a           5 <chr [2]>
3 a         3     9 3-a               6.5 <chr [2]>  3-a           6 <chr [2]>
4 b         4    10 4-b               6.5 <chr [2]>  4-b           7 <chr [2]>
5 b         5    11 5-b               6.5 <chr [2]>  5-b           8 <chr [2]>
6 c         6    12 6-c               6.5 <chr [2]>  6-c           9 <chr [2]>

一、为什么paste0能逐行工作，mean却不行？ #

核心是函数的向量化特性和mutate()的默认处理逻辑：

• paste0是向量化函数：它接收等长的向量输入，会对每个向量的对应位置元素逐一运算。比如var1是c(1,2,3,4,5,6)，group是c("a","a","a","b","b","c")，paste0会自动把两个向量的第1个元素拼接、第2个元素拼接……最终得到逐行的结果。
• mean(c(var1, var2))的问题在于：c(var1, var2)会直接把整个var1列和var2列合并成一个长度为12的向量（c(1,2,3,4,5,6,7,8,9,10,11,12)），mean()对这个整体向量求均值得到6.5，随后mutate()会把这个单一值广播到每一行，所以所有行的meanNotRW都是6.5。
• strsplit同样是对向量的每个元素单独处理：输入的concatNotRW是长度为6的字符向量，strsplit会逐个拆分每个元素，返回对应长度的列表，所以看起来也是逐行生效。

二、rowwise()到底做了什么？ #

rowwise()会将数据框转换为按行分组的状态，此时mutate()中的所有运算都会以单一行作为独立的运算单元：

• 执行c(var1, var2)时，不再是合并整个列向量，而是提取当前行的var1和var2值，组成一个长度为2的小向量；
• 对这个小向量执行mean()，自然得到当前行两个值的均值，也就是我们需要的逐行结果。

三、无需rowwise()的逐行操作规则 #

如果不想依赖rowwise()，可以用以下几种更高效的方式：

1. 优先使用向量化函数：像paste0、strsplit、if_else、case_when这类本身支持向量逐元素运算的函数，直接在mutate()中调用即可，无需额外处理。
2. 使用专门的行运算函数：dplyr/base R提供了rowMeans()、rowSums()、rowMaxs()这类专门处理行级统计的函数，效率远高于rowwise()：

   df %>% mutate(row_mean = rowMeans(select(., var1, var2)))
   

3. 用purrr包的pmap系列函数：如果需要自定义逐行逻辑，可以用purrr::pmap()来逐行处理多列输入：

   library(purrr)
   df %>% mutate(custom_mean = pmap_dbl(list(var1, var2), ~mean(c(..1, ..2))))
   

内容的提问来源于stack exchange，提问作者Lenn