dplyr方法：

library(dplyr)
df %>% 
  rowwise() %>% 
  mutate(max_val = max(across(everything())),
         repetition = sum(across(col1:col4) == max_val))

# A tibble: 2 × 6
# Rowwise: 
   col1  col2  col3  col4 max_val repetition
  <int> <int> <int> <int>   <int>      <int>
1     1     2     1     4       4          1
2     5     6     6     3       6          2

基于R方法：

df$max_val <- apply(df,1,max)
df$repetition <- rowSums(df[, 1:4] == df[, 5])

对于其他（非tidyverse）读者，基数R方法可以是：

df$max_val  <- apply(df, 1, max)
df$repetition <- apply(df, 1, function(x) sum(x[1:4] == x[5]))

输出量：

#   col1 col2 col3 col4 max_val repetition
# 1    1    2    1    4       4          1
# 2    5    6    6    3       6          2

尽管dplyr增加了许多跨行数据处理的工具，但至少在我看来，坚持整洁的原则并始终将数据转换为“long”格式以进行此类操作要容易得多。
因此，这里有一个tidy方法：

df %>%
    mutate(row = row_number()) %>%
    pivot_longer(cols = -row) %>%
    group_by(row) %>%
    mutate(max_val = max(value), repetitions = sum(value == max(value))) %>%
    pivot_wider(id_cols = c(row, max_val, repetitions)) %>%
    select(col1:col4, max_val, repetitions)

最后一个select()只用于按您希望的顺序获取列。