如何基于数据框每行变量生成矩阵并批量应用函数？

你遇到的报错是因为everything()这类tidyselect工具在rowwise()的行级计算环境中无法直接生效，dplyr其实专门提供了适配这种场景的函数，另外也有更简洁的非dplyr方案，下面给你两种实用的解决办法：

方法一：用dplyr的c_across()（推荐） #

c_across()是dplyr为rowwise环境设计的列选择工具，可以轻松捕获当前行的所有列（或指定列），完美适配你的需求：

library(dplyr)

# 基础示例：将每行转为矩阵后求和（可替换成你需要的任意函数）
cars_processed <- cars %>%
  rowwise() %>%
  mutate(
    # c_across(everything()) 获取当前行的所有元素组成向量
    matrix_result = sum(matrix(c_across(everything()), nrow = 1, ncol = ncol(.)))
  ) %>%
  ungroup() # 记得取消rowwise分组，避免后续操作性能损耗

如果你的矩阵维度是动态变化的（比如根据列数自动调整行列），可以直接用ncol(.)或length(c_across(everything()))来自动适配，完全不用手动写死维度：

# 动态适配矩阵维度的版本
cars_processed <- cars %>%
  rowwise() %>%
  mutate(
    row_vec = list(c_across(everything())), # 先把行存成列表（可选，方便调试）
    matrix_result = {
      mat <- matrix(row_vec[[1]], nrow = 2, ncol = length(row_vec[[1]])/2) # 比如动态分成2行
      sum(mat) # 这里替换成你要应用的矩阵函数，比如det(mat)求行列式、mean(mat)等
    }
  ) %>%
  ungroup() %>%
  select(-row_vec) # 删掉临时变量

方法二：用base R的apply（简洁高效） #

如果不想用rowwise分组，base R的apply函数可以直接按行处理，代码更简洁，数据量大时性能也更好：

# 按行处理，每行转为矩阵后应用函数
cars_processed <- cars %>%
  mutate(matrix_result = apply(., 1, function(row_elements) {
    # 这里替换成你的矩阵操作逻辑
    mat <- matrix(row_elements, nrow = 1, ncol = length(row_elements))
    sum(mat)
  }))

关键说明 #

• c_across()的优势是和dplyr的管道流兼容，能方便地结合其他tidyverse函数；
• apply()的优势是无需分组，代码更轻量化，适合简单的行级矩阵操作；
• 不管用哪种方法，都不用手动枚举所有变量名，完全适配矩阵维度变化的场景。

内容的提问来源于stack exchange，提问作者alberto