R dplyr meanwise mean or min e altri metodi?

Question

Come posso ottenere con dplyr il valore minimo (o medio) di ogni riga su un data.frame? voglio dire lo stesso risultato di

apply(mydataframe, 1, mean) 
apply(mydataframe, 1, min) 

Ho provato

mydataframe %>% rowwise() %>% mean 

o

mydataframe %>% rowwise() %>% summarise(mean) 

o altre combinazioni, ma ottengo sempre gli errori, non so il modo corretto .

So che potrei usare anche rowMeans, ma non esiste un semplice equivalente "rowMin". Esiste anche un pacchetto matrixStats ma la maggior parte delle funzioni non accetta data.frames, solo matrici.

Se voglio calcolare il minimo rowwise ho potuto usare
do.call (Pmin, mydataframe) C'è qualcosa di semplice come questo per il rowwise significa?

do.call(mean, mydataframe) 

non funziona, suppongo di aver bisogno di una funzione di pmean o qualcosa di più complesso.

Grazie

Al fine di confrontare i risultati che potremmo lavorare tutti sullo stesso esempio:

set.seed(124) 
df <- data.frame(A=rnorm(10), B=rnorm(10), C=rnorm(10)) 

Answer 1

ne dici di questo?

library(dplyr) 
as.data.frame(t(mtcars)) %>% 
    summarise_all(funs(mean)) 

Per chiarezza in più, si potrebbe aggiungere un altro t() alla fine:

as.data.frame(t(mtcars)) %>% 
    summarise_all(funs(mean)) %>% 
    t() 

Answer 2

Suppongo che questo è quello che stavi cercando di realizzare:

df <- data.frame(A=rnorm(10), B=rnorm(10), C=rnorm(10)) 

library(dplyr) 
df %>% rowwise() %>% mutate(Min = min(A, B, C), Mean = mean(c(A, B, C))) 

#    A   B   C  Min  Mean 
# 1 1.3720142 0.2156418 0.61260582 0.2156418 0.73342060 
# 2 -1.4265665 -0.2090585 -0.05978302 -1.4265665 -0.56513600 
# 3 0.6801410 1.5695065 -2.70446924 -2.7044692 -0.15160724 
# 4 0.0335067 0.8367425 -0.83621791 -0.8362179 0.01134377 
# 5 -0.2068252 -0.2305140 0.23764322 -0.2305140 -0.06656532 
# 6 -0.3571095 -0.8776854 -0.80199141 -0.8776854 -0.67892877 
# 7 1.0667424 -0.6376245 -0.41189564 -0.6376245 0.00574078 
# 8 -1.0003376 -1.5985281 0.90406055 -1.5985281 -0.56493504 
# 9 -0.8218494 1.1100531 -1.12477401 -1.1247740 -0.27885677 
# 10 0.7868666 0.6099156 -0.58994138 -0.5899414 0.26894694 

Answer 3

Pensate trovato una soluzione - basta trasporre i tuoi dati.frame:

x <- data_frame(x = rnorm(10), 
      y = rnorm(10)) 

# A tibble: 10 × 2 
     x    y 
    <dbl>   <dbl> 
1 -1.1240392 0.9306028477 
2 -0.8213379 0.2500495105 
3 -0.8289104 -0.3693704483 
4 -0.6486601 -1.1421141986 
5 0.5098542 -0.3703368343 
6 -0.3644690 -0.0003744377 
7 0.7404057 0.1166905738 
8 -0.2475214 -0.0802864865 
9 0.2637841 -0.7717699521 
10 1.4092874 0.2998021578 

x %>% 
    t() %>% 
    data.frame() %>% 
    mutate_all(funs(min)) %>% 
    unique() %>% 
    t() 

     1 
X1 -1.1240392 
X2 -0.8213379 
X3 -0.8289104 
X4 -1.1421142 
X5 -0.3703368 
X6 -0.3644690 
X7 0.1166906 
X8 -0.2475214 
X9 -0.7717700 
X10 0.2998022