R中用dplyr排除指定列实现多列按行汇总新增求和列

如果不需要手动枚举所有待求和的列，仅通过指定需要排除的列完成行求和，完全可以借助dplyr内置的列选择语法实现，以下是两种可直接落地的写法：

基础实现方式（兼容大部分场景） #

使用rowwise()配合c_across()函数，在选择列时直接标注需要排除的列即可：

library(dplyr)

# 输入数据
df <- tibble(cat = c('A', 'B', 'C'), 
             val1 = c(0.1, 0.3, 0.5), 
             val2 = c(0.2, 0.2, 0.7), 
             val3 = c(0.14, 0.31, 0.35),
             type = c(4, 2, 5))

# 计算排除cat、type两列后的行求和值
df <- df %>%
  rowwise() %>%
  mutate(sum = sum(c_across(!c(cat, type)), na.rm = TRUE)) %>%
  ungroup()

• c_across()支持所有tidyselect规则，除了直接排除指定列，还可以灵活搭配选择逻辑，比如用starts_with("val")匹配所有val开头的列、用where(is.numeric)匹配所有数值列等，后续新增符合规则的列时不需要修改计算代码。

高性能实现方式（适合大数据集） #

rowwise()本质是逐行循环，当数据量较大时性能较差，更推荐用向量化的rowSums配合across()实现，计算速度会有数量级提升：

df <- df %>%
  mutate(sum = rowSums(across(!c(cat, type), as.numeric), na.rm = TRUE))

• 该写法不需要切换分组/逐行模式，直接在原数据框上完成计算，输出结果和逐行计算完全一致。

注意事项 #

• 计算时建议添加na.rm = TRUE参数，避免列中存在空值时整体求和结果为NA
• 排除列时需确保被纳入计算的列均为可求和的数值类型，避免字符列参与计算触发报错
• 上述写法在dplyr 1.0.0及以上版本均可正常运行，低版本dplyr建议先升级包版本。

内容的提问来源于stack exchange，提问作者Vibramat