是否有更快速的方法对数据框指定列按行求和，替代dplyr的rowwise方法？

原代码的性能瓶颈来自rowwise()逐行迭代的高额开销，你的计算逻辑完全可以用向量化操作替代，无需逐行处理。

方案1：适配当前场景的最简最高效写法 #

你要计算的channel.corr本质是ladder.channel指定列与correction列的数值相加，直接用+运算符即可，完全不需要调用sum()和rowwise()：

library(dplyr)

x <- data.frame("channel_1" = seq(1, 10),
                "channel_2" = seq(1, 10),
                "channel_3" = seq(1, 10),
                "channel_4" = seq(1, 10),
                "channel_5" = seq(1, 10))

ladder.channel <- "channel_4"
bleed.channels <- setdiff(c("channel_1", "channel_2", "channel_3", "channel_4", "channel_5"), ladder.channel)
y <- x %>%
  mutate(
    correction = -pmax(!!!syms(bleed.channels)),
    channel.corr = .data[[ladder.channel]] + correction
  )

方案2：通用多列按行求和方案 #

如果后续需要对更多字符向量指定的列按行求和，使用rowSums()替代逐行sum，性能同样远高于rowwise：

y <- x %>%
  mutate(
    correction = -pmax(!!!syms(bleed.channels)),
    channel.corr = rowSums(across(all_of(c(ladder.channel, "correction"))))
  )

性能差异说明 #

• 向量化运算（+/rowSums）底层为C语言实现的批量运算，百万行级数据计算耗时通常低于1秒
• rowwise()为R层面的逐行迭代逻辑，每行都会产生额外的调用开销，数据量越大性能衰减越严重

内容的提问来源于stack exchange，提问作者Mike