Question

用真实数据显示我的问题有点棘手，但我希望以下解释：

data_frame(a=c(1,2), b=c(3,4)) %>% 
rowwise %>% 
mutate(c = a*b, d = c-1, e=c+2) %>% 
ungroup

在上面的示例中，当然不需要rowwise。

现在让我们假设要使c计算耗时，c是一个大对象而不是向量化。因此，您不希望必须执行两次，并且希望在每次计算发生后从内存中清除它。

有一种聪明的方法吗？也许是purrr::map？

Answer 1

以下是使用purrr s invoke_rows的答案。

library(purrr)

MyDf<-data.frame(a=c(1,2), b=c(3,4))
invoke_rows(.d=MyDf, .f=function(a,b){c=a*b
c(d=c-1,
e=c+2)},
.collate="cols")

<强>更新

在回应@JanStanstrup的评论时，如果您想要另一列作为输出的一部分但未出现在计算中，则可以执行以下操作：

MyDf<-data.frame(a=c(1,2), b=c(3,4), dummy=c(6,7))
invoke_rows(.d=MyDf, .f=function(a,b,...){c=a*b
c(d=c-1,
  e=c+2)},
.collate="cols")

在这里，dummy和任何其他列通过...作为参数传递给.f函数，但不在该函数中使用，因此它们只是被传递