关于dplyr中同一mutate调用内使用select助手及行操作的技术问询

问题一：同一mutate()调用内计算新生成列的行均值 #

你尝试的三种写法之所以失败，原因分别是：

• 第一种写法没有给select()指定数据上下文，tidyselect无法找到当前变量环境，因此报错；
• 第二种写法里的.指向的是管道传入的原始数据框（也就是最初的my_df），而非mutate执行到一半的中间数据，所以找不到刚生成的a_2和b_2；
• current_vars()是用于select()内部获取已选中变量的工具，不能直接在mutate的表达式里调用，自然会报错。

可行方案（同一mutate内完成） #

在dplyr 1.0.0及以上版本中，推荐使用pick()函数——它能在mutate的上下文里访问到当前所有已生成的变量（包括刚创建的a_2和b_2）：

my_df %>% 
  mutate(
    a_2 = a^2,
    b_2 = b^2,
    mean = rowMeans(pick(ends_with('2')))
  )

如果你的dplyr版本较低（低于1.0.0），可以用cur_data()函数获取当前mutate的中间数据框，再结合select()：

my_df %>% 
  mutate(
    a_2 = a^2,
    b_2 = b^2,
    mean = rowMeans(select(cur_data(), ends_with('2')))
  )

问题二：rowwise() + mean()结合tidyselect选择器 #

直接在mean()里用ends_with('2')行不通，因为mean()本身不识别tidyselect语法。这里需要用c_across()函数——它专门为rowwise环境设计，能通过tidyselect选择器提取每行的对应列值并转为向量，供mean()计算。

正确写法 #

my_df %>% 
  mutate(a_2 = a^2, b_2 = b^2) %>% 
  rowwise() %>% 
  mutate(mean = mean(c_across(ends_with('2')), na.rm = TRUE)) %>%
  ungroup() # 建议用完rowwise后取消分组，避免影响后续操作

解释：c_across(ends_with('2'))会为每行提取所有以2结尾的列的值，形成一个数值向量，mean()再对这个向量计算均值。添加na.rm = TRUE是为了处理可能存在的缺失值，根据你的数据情况可以选择保留或移除。

内容的提问来源于stack exchange，提问作者SavedByJESUS