有没有办法通过索引将数据绑定到data.frame？ 比方说，我遇到了这样的情况 用户id=c（1:5,1:5） 时间=c（1:10） 访问日志=data.frame（用户id，时间） #我写了一个计算时间间隔的方法 间隔

我们可以使用

diff（）

函数替换您的循环，该函数计算向量中相邻索引之间的差异，例如：

#For say, I got a situation like this
user_id = c(1:5,1:5)
time = c(1:10)
visit_log = data.frame(user_id, time)

#And I've wrote a method to calculate interval
interval <- function(data) {
    interval = c(Inf)
    for (i in seq(1, length(data$time))) {
        intv = data$time[i]-data$time[i-1]
        interval = append(interval, intv)
    }

    data$interval = interval
    return (data)
}

#But when I want to get intervals by user_id and bind them to the data.frame,
#I can't find a proper way
#Is there any method to get something like
new_data = merge(by(visit_log, INDICE=visit_log$user_id, FUN=interval))

#And the result should be
    user_id time interval
1        1    1      Inf
2        2    2      Inf
3        3    3      Inf
4        4    4      Inf
5        5    5      Inf
6        1    6        5
7        2    7        5
8        3    8        5
9        4    9        5
10       5   10        5

为此，我们可以通过

c（Inf，diff（x））

预先添加

Inf

接下来我们需要将上述内容分别应用于每个

用户id

。为此，有很多选择，但这里我使用了

aggregate（）

。令人困惑的是，此函数返回一个数据帧，其中包含一个本身是矩阵的

time

组件。我们需要将该矩阵转换为向量，这取决于在R中，矩阵列首先被填充的事实。最后，我们根据函数的原始版本向输入数据添加and

interval

列

> diff(c(1,3,6,10))
[1] 2 3 4

---

你能给出一个最小的可复制的例子吗？user_id=c（1:5,1:5），time=c（1:10）你的

interval（）

函数不是很有效，你不应该在这样的循环中展开/连接，因为R必须在循环的每次迭代中复制和放大对象。你还需要以一种矢量化的方式来思考，以获得R的最佳效果。我可以在这里补充一个问题吗。你使用within（）和direct assignment x$interval@iano有什么区别吗？是的，

within（）

比direct assignment慢，除此之外，没有。我倾向于使用within（）或

within（）
），因为它使代码更干净，代码的意图也比到处散布更清晰，但在这里可能是杀伤力过大和
x$interval
interval <- function(x) {
    diffs <- aggregate(time ~ user_id, data = x, function(y) c(Inf, diff(y)))
    diffs <- as.numeric(diffs$time)
    x <- within(x, interval <- diffs)
    x
}

> visit_log = data.frame(user_id = rep(1:5, 3), time  = 1:15)
> interval(visit_log)
   user_id time interval
1        1    1      Inf
2        2    2      Inf
3        3    3      Inf
4        4    4      Inf
5        5    5      Inf
6        1    6        5
7        2    7        5
8        3    8        5
9        4    9        5
10       5   10        5
11       1   11        5
12       2   12        5
13       3   13        5
14       4   14        5
15       5   15        5