如何按列位置批量处理多列生成新列（R语言）

我有一个宽格式数据集，每条记录包含2-4个以measure_开头的指标列和2-4个以FISE_开头的标准误列。需要实现两个需求：

• 计算所有指标列的均值，生成新列mean.meas
• 计算所有标准误列的均方根误差（即各列值平方后取均值再开根号），生成新列rmse.fise

已知指标列固定从第6列开始，共meas.num列；标准误列紧随指标列之后。手动指定列名可以实现，但当列数变化时过于繁琐，之前尝试的基于列位置的方法均报错或结果异常，现寻求可靠的批量实现方案。

数据集示例 #

dput(head(lev1uni.wide))
structure(list(final_id = 10001:10006, uni = c(1L, 1L, 1L, 1L, 
1L, 1L), uri = c(1, 2, 3, 4, 5, 6), comboid = c(100012019, 100022019, 
100032019, 100042019, 100052019, 100062019), year = c(2019L, 
2019L, 2019L, 2019L, 2019L, 2019L), measure_nl_netops_km = c(-4.88, 
8.93, -1.97, 10.29, 2.14, 0.5), measure_nl_netops_trust = c(4.38, 
10.64, 4.38, 10.64, 4.38, 10.64), FISE_nl_netops_km = c(2.166301918, 
1.459912326, 0.78, 1.86, 2.082442076, 0.81), FISE_nl_netops_trust = c(1.84, 
1.87, 1.84, 1.87, 1.84, 1.87)), row.names = c(NA, -6L), class = c("tbl_df", 
"tbl", "data.frame"))

手动实现（仅作参考） #

手动指定列名计算指标列均值的代码如下，能得到预期的mean.meas列：

lev1uni.wide %>% mutate(mean.meas=measure_nl_netops_km *.5 + measure_nl_netops_trust * .5 )

预期mean.meas结果：

[1] -0.250  9.785  1.205 10.465  3.260  5.570

之前的错误尝试 #

1. 执行后mean.meas为嵌套数据框，而非数值列：

lev1uni.wide.2 <- lev1uni.wide %>%
        mutate(mean.meas=.[,6] * .5 + .[,7] * .5)

2. 执行后mean.meas全为NA，触发警告argument is not numeric or logical: returning NA：

lev1uni.wide %>% mutate(mean.meas=mean(meas.name.list[1], meas.name.list[2], na.rm=TRUE))

正确批量处理方案 #

方案1：基于列名前缀匹配（更鲁棒，推荐） #

利用dplyr的across函数，通过列名前缀自动匹配目标列，无需依赖列位置：

library(dplyr)

# 计算指标列均值
lev1uni.wide <- lev1uni.wide %>%
  mutate(mean.meas = rowMeans(across(starts_with("measure_")), na.rm = TRUE))

# 计算标准误列的均方根误差
lev1uni.wide <- lev1uni.wide %>%
  mutate(rmse.fise = sqrt(rowMeans(across(starts_with("FISE_"))^2, na.rm = TRUE)))

方案2：基于列位置（严格匹配需求中的列位置规则） #

如果必须依赖列位置（指标列从第6列开始，共meas.num列，标准误列紧随其后），可以用across结合列索引范围：

meas.num <- 2 # 根据实际列数调整

# 计算指标列均值（第6列到第6+meas.num-1列）
lev1uni.wide <- lev1uni.wide %>%
  mutate(mean.meas = rowMeans(across(6:(6 + meas.num - 1)), na.rm = TRUE))

# 计算标准误列均方根误差（指标列之后的meas.num列）
lev1uni.wide <- lev1uni.wide %>%
  mutate(rmse.fise = sqrt(rowMeans(across((6 + meas.num):(6 + 2*meas.num - 1))^2, na.rm = TRUE)))

方案3：用rowwise逐行计算（适合复杂自定义逻辑） #

如果需要更灵活的逐行计算逻辑，可以用rowwise：

lev1uni.wide <- lev1uni.wide %>%
  rowwise() %>%
  mutate(mean.meas = mean(c_across(starts_with("measure_")), na.rm = TRUE),
         rmse.fise = sqrt(mean(c_across(starts_with("FISE_"))^2, na.rm = TRUE))) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者Stuart