理解行()和c_across()

Question

嗨，有谁能给出一个外行人的解释，为什么这两种计算一排平均分数的方法是不同的呢？谢谢。

library(tidyverse)
var1<-rnorm(100)
var2<-rnorm(100)
var3<-rnorm(100)

df<-data.frame(var1, var2, var3)

#ADD IN A MISSING VALUE
df[1,1]<-NA

#I thought this would work
df %>% 
  select(starts_with('var')) %>% 
  rowwise() %>% 
  mutate(avg=mean(., na.rm=T))
#This does work but I don't understand why
df %>% 
  rowwise() %>% 
  mutate(avg=
           mean(
             c_across(starts_with('var')), na.rm=T)
         )

Answer 1

• .表示整个数据集，而不是分组data.
• Moreover，mean不工作于数据格式。(见mean(mtcars))

由于dplyr 1.0.0 (或更高版本)，您可以使用cur_data()获取组中的数据，但要在mean中使用数据，则需要将其更改为向量，这可以通过unlist或as.matrix完成。所以试着：

library(dplyr)

df %>% 
  select(starts_with('var')) %>% 
  rowwise() %>% 
  mutate(avg=mean(unlist(cur_data()), na.rm=T))

然而，第二种方法是使用rowwise的正确方法。