dplyr将向量而不是单个值传递给调用的函数

我有一个这样的数据框：

> df
  threadId          threadTime
1        1 2014-07-08 18:28:29
2        1 2014-07-08 18:46:09
3        2 2014-07-10 10:14:42
4        2 2014-07-10 10:30:49
5        3 2014-07-10 11:19:27
6        3 2014-07-10 11:45:23
> str(df)
'data.frame':   6 obs. of  2 variables:
 $ threadId  : num  1 1 2 2 3 3
 $ threadTime: POSIXct, format: "2014-07-08 18:28:29" "2014-07-08 18:46:09" ...

我使用的是一个简单的函数调用（不管这个函数做什么）：

我希望t1是滞后行中的时间，t2是当前行中的时间。当然，组的第一行将有NA表示滞后值，我很好，可以在函数中检查

对于t1参数，“df中的三个组”的函数调用的输出如下所示。该函数使用“lag（threadTime）”和“threadTime”的串联值调用

t1 = NA 1404858509
t1 = NA 1405001682
t1 = NA 1405005567

更新 结果表明，我的职能做什么/需要什么完全重要。更新问题。我想计算滞后行时间值之间的工作日和小时数。因此，我使用的函数如下（ONDAY是工作日，扣除周末+假期，onHours是工作时间）：

---

workingHours这对评论来说太长了，所以我将作为答案发布

您的常规
lag（）
语法应该有效。我会检查您是否存在掩蔽问题，其他几个包提供了与dplyr不同的
lag
函数。您可以始终显式地调用
dplyr:：lag
，以确保这一点

下面是一些关于内置数据的代码，以证明您的基本想法应该可行：

类似地，使用函数的修改版本：

someFunc <- function(t1, t2) { cat(t1); cat("\n"); cat(t2); cat('\n\n'); return(1)}

这是因为
lag
是矢量化的，
someFunc
是矢量化的，这是一件好事！它似乎与您的描述相符：

我希望t1是滞后行中的时间，t2是当前行中的时间

您可以看到滞后值（顶行）如何与当前值（底行）配对

如果这不是您想要的，请编辑您的问题以显示所需的行为，最好是在内置数据集或a
dput（）
或模拟数据上。
哦，我的天啊，我甚至没有意识到矢量化的实现使这一切变得如此高效，这是出于设计。我的需求略有不同。我会更新这个问题。这个更新来得相当晚——我没有现成的答案，我怀疑其他人会关注这个问题。我建议删除更新并提出一个新问题，该问题的顶部没有所有不相关的内容，只关注你的时间流逝问题。也就是说，我认为jeremycg在这个问题上发布的原始答案可能会起作用（或者它的一些变体）。如果您只是添加一个带有常规
mutate
的滞后列，我认为您可以使用
行
和您的函数来获得答案。我只是不确定。（一个预期产出的例子会有所帮助。）
t1 = NA 1404858509
t1 = NA 1405001682
t1 = NA 1405005567

workingHours <- function(t1, t2) {
  elapsedTime <- seq.POSIXt(from = t1, to = t2, by = 'hour')
  elapsedTime <- elapsedTime[as.Date(elapsedTime) %in% onDays &
                               as.numeric(format(elapsedTime, '%H')) %in%
                               onHours]
  return(length(elapsedTime))
}

mtcars %>% 
  arrange(cyl, mpg) %>%
  group_by(cyl) %>%
  mutate(mpgmpg = paste(lag(mpg), mpg, sep = "!"))

# Source: local data frame [32 x 12]
# Groups: cyl
#
#     mpg cyl  disp  hp drat    wt  qsec vs am gear carb    mpgmpg
# 1  21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2   NA!21.4
# 2  21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1 21.4!21.5
# 3  22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1 21.5!22.8
# 4  22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2 22.8!22.8
# 5  24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2 22.8!24.4
# 6  26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2   24.4!26

someFunc <- function(t1, t2) { cat(t1); cat("\n"); cat(t2); cat('\n\n'); return(1)}

mtcars %>% arrange(cyl, mpg) %>% group_by(cyl) %>%
  mutate(mpgmpg = someFunc(lag(mpg), mpg))
# NA 21.4 21.5 22.8 22.8 24.4 26 27.3 30.4 30.4 32.4
# 21.4 21.5 22.8 22.8 24.4 26 27.3 30.4 30.4 32.4 33.9

# NA 17.8 18.1 19.2 19.7 21 21
# 17.8 18.1 19.2 19.7 21 21 21.4

# NA 10.4 10.4 13.3 14.3 14.7 15 15.2 15.2 15.5 15.8 16.4 17.3 18.7
# 10.4 10.4 13.3 14.3 14.7 15 15.2 15.2 15.5 15.8 16.4 17.3 18.7 19.2
# ...