dplyr行求和时where(is.numeric)失效问题求助

你的代码里sum(where(is.numeric))无效的原因是：where(is.numeric)是dplyr的列选择语法，仅能在支持tidy select的函数（比如select()、across()）中使用，sum()本身不识别这个语法，所以无法正确筛选列进行求和。

下面提供两种可行的解决方法：

方法1：使用rowwise() + c_across() #

在rowwise()的上下文里，用c_across()包裹列选择器，就能正确选取每行的数值型列并求和：

library(dplyr)

vital1 <- data.frame(
  a_team = c(1:3), 
  b_team = c(2:4),
  team_league = c('dd','ee','ff'),
  c_team = c(5,9,1)
) %>%
  rowwise() %>% 
  mutate(league_points = sum(c_across(where(is.numeric)), na.rm = TRUE)) %>%
  ungroup() # 完成行操作后取消分组，避免后续操作性能下降

• c_across()是dplyr专门为行级操作设计的函数，支持tidy select语法
• 加上na.rm = TRUE可以避免因缺失值导致求和结果为NA（可选，根据你的数据情况调整）

方法2：使用rowSums()（更高效） #

如果你的数据集较大，rowwise()的性能会比较差，推荐直接用rowSums()配合select()筛选数值列：

library(dplyr)

vital1 <- data.frame(
  a_team = c(1:3), 
  b_team = c(2:4),
  team_league = c('dd','ee','ff'),
  c_team = c(5,9,1)
) %>%
  mutate(league_points = rowSums(select(., where(is.numeric)), na.rm = TRUE))

• select(., where(is.numeric))先筛选出所有数值型列
• rowSums()直接对筛选后的列做行方向求和，无需分组，运行速度更快

内容的提问来源于stack exchange，提问作者jkatam