将函数应用于数据框的每一列

Question

我有以下（非常大的）数据框：

     id         epoch
1     0     1.141194e+12
2     1     1.142163e+12
3     2     1.142627e+12
4     2     1.142627e+12
5     3     1.142665e+12
6     3     1.142665e+12
7     4     1.142823e+12
8     5     1.143230e+12
9     6     1.143235e+12
10    6     1.143235e+12

对于每个唯一 ID，我现在想获得其最大时间和最小时间（纪元时间戳）之间的差异。如果相关的话，有些 ID 的出现次数比上面的例子多得多。我还没有与 R 合作过很多，并尝试了以下方法：

unique = data.frame(as.numeric(unique(df$id)))
differences = apply(unique, 1, get_duration)

get_duration = function(id) {
  maxTime = max(df$epoch[which(df$id == id)])
  minTime = min(df$epoch[which(df$id == id)])
  return ((maxTime - minTime) / 1000)
}

它有效，但速度非常慢。什么是更快的方法？

Answer 1

只使用一次 ID 过滤器

subset = df$epoch[which(df$id == id)]
maxTime = max(subset)
minTime = min(subset)

Answer 2

几种方法。在基地 R:

tapply(df$epoch,df$id,function(x) (max(x)-min(x))/1000)

与data.table:

require(data.table)
setDT(df)
df[,list(d=(max(epoch)-min(epoch))/1000),by=id]

Answer 3

这可以在 dplyr

中轻松完成

require(dplyr)
df %>% group_by(id) %>% summarize(diff=(max(epoch)-min(epoch))/1000)

将函数应用于数据框的每一列

Apply function to each column of dataframe

r

apply