R dplyr::c_across()行求和异常及按列名向量求和的实现咨询

• 你写的sum(c_across(c("A":"B")))和sum(across(cols_to_sum))都返回全局总和的核心原因是：sum()是全局聚合函数，默认会把传入的所有元素合并计算总和，不会自动按行运算。
• c_across()本身是为行分组（rowwise()）场景设计的，没有声明行分组时，会把所有行的指定列值拼接为单个向量，再传入sum()计算全局总和，因此所有行的total都是1+2+1+2=6。

你想要的传入列名向量动态指定求和列的需求，有两种常用的实现方案：

方案1：rowSums() + across()（推荐，性能更高） #

直接用rowSums()包裹across()返回的列子集，天然支持按行求和：

library(tidyverse)
df <- tibble(
  "ride" = c("bicycle", "motorcycle", "car", "other"),
  "A" = c(1, NA, 1, NA),
  "B" = c(NA, 2, NA, 2)
)
cols_to_sum <- c("A","B")

df %>%
  mutate(total = rowSums(across(all_of(cols_to_sum)), na.rm = TRUE))

输出结果和你用列索引的结果完全一致：

# A tibble: 4 × 4
  ride           A     B total
  <chr>      <dbl> <dbl> <dbl>
1 bicycle        1    NA     1
2 motorcycle    NA     2     2
3 car            1    NA     1
4 other         NA     2     2

注：用all_of()包裹列名向量是tidyverse的最佳实践，当列名不存在时会抛出明确的报错，避免静默匹配错误。

方案2：rowwise() + c_across()（适合简单行运算场景） #

如果习惯用c_across写法，只要提前声明行分组即可：

df %>%
  rowwise() %>%
  mutate(total = sum(c_across(all_of(cols_to_sum)), na.rm = TRUE)) %>%
  ungroup() # 计算完成后建议取消行分组，避免影响后续操作

输出结果和方案1完全相同，缺点是大数据量下性能低于rowSums方案。

内容的提问来源于stack exchange，提问作者taiyodayo