如何在dtplyr中使用rowwise实现行运算？

dtplyr的lazy_dt对象不支持rowwise()方法，因为它底层基于data.table，行操作更适合用向量化函数实现，而非分组式的rowwise。以下是两种高效的实现方式：

方法一：使用rowMeans()（推荐，效率最高） #

直接调用向量化的rowMeans()函数，配合pick()选择目标列，dtplyr会自动将其翻译为高效的data.table操作：

library(dtplyr)
library(dplyr)

# 构造数据
df <- tibble(x = runif(6), y = runif(6), z = runif(6))
df.dt <- lazy_dt(df)

# 计算行均值
result <- df.dt %>%
  mutate(m = rowMeans(pick(x, y, z))) %>%
  as_tibble() # 可选，转换为tibble格式输出

print(result)

方法二：使用c_across()（贴近原写法） #

如果希望保留类似mean(c(x,y,z))的逻辑，可以用c_across()替代直接列拼接，无需rowwise()：

library(dtplyr)
library(dplyr)

df <- tibble(x = runif(6), y = runif(6), z = runif(6))
df.dt <- lazy_dt(df)

result <- df.dt %>%
  mutate(m = mean(c_across(x:z))) %>%
  as_tibble()

print(result)

说明 #

两种方法的计算结果和你原本用rowwise()实现的完全一致，但效率远高于rowwise()——尤其是在处理大数据集时，向量化操作避免了逐行分组的开销，这也是data.table/dtplyr的核心优势。

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