編寫 R function 但如何修改它以遍歷 dataframe 中的列並遍歷多個數據集？

Question

我是 R 的新手，我編寫了非常笨重的函數來應用於地球化學數據集，以將數據內插到附近的日期，轉換十進制日期，按年/月重塑和平均地球化學數據，並在最后吐出作為一個新的數據框。 但是，它一次只處理一列，每個數據集有 2-10 列數據，我有 50 多個數據集。 這需要大量的復制和粘貼，我知道應該有更好的方法來做到這一點，但我已經嘗試了幾個月但沒有成功。

我已嘗試閱讀此內容，但無法實現我在其他地方看到的任何循環。

這是我的數據集的示例：

Year    SrCa MgCa BaCa
1958.00 8.98 4.29 4.77
1958.08 9.00 4.21 4.56
1958.17 9.02 4.16 4.39
...  

以下是我編寫的函數：

#Interpolates monthly or bimonthly data to dates for the 15th of every month
yrmonth_INTERP<-function(dataset, agecolumn, variable1, var1name){
  X_in = dataset[[agecolumn]] #select X (Age) column
  y_in = dataset[[variable1]] # select y (data) column
  x_out <- seq.Date(as.Date("1920/01/15"), as.Date("2017/12/15"), by = "months") #create reference dates
  x_out <- decimal_date(x_out) #reference dates to decimal dates
  xy_int <- approx(x = X_in, y = y_in,  xout = x_out) #interpolate data
  xy_int <- signif(as.data.frame(xy_int, row.names = NULL), digits = 12)
  xy_int <- na.omit(xy_int)
  Age<-date_decimal(xy_int[[1]]) #convert decimal to date
  Year<-year(Age)
  Month<-month(Age)
  Day<-day(Age)
  var1<-xy_int[[2]] #pull out variable
  newdata<-cbind.data.frame(Year, Month, Day, var1) #create dataframe
  date1 <-paste(newdata$Year,newdata$Month, newdata$Day,sep="-") #put together separate time variables into date
  date1 <- ymd(date1) #convert to date
  data_months <- cbind(date1, newdata) #add date column to previous dateframe
  colnames(data_months) = c('Age', 'Year', 'Months', 'Day', var1name) #name columns
  return (data_months)
}

#Turns lots of data points into the average for every month
yrmonth_avg<-function(dataset, agecolumn, variable1, var1name, varsum){
  Age<-date_decimal(dataset[[agecolumn]]) #convert decimal to date
  Year<-year(Age)
  Month<-month(Age)
  Day<-day(Age)
  var1<-dataset[[variable1]] #pull out data variable
  newdata<-cbind.data.frame(Year, Month, Day, var1) #create dataframe of time and data
  datamelt = melt(newdata, id = c('Year', 'Month', 'Day')) 
  datacast = dcast(datamelt, variable ~ Year + Month, mean) #wide cast/reshape data to row to get mean by year and month
  datacast2 = dcast(datamelt, variable ~ Year + Month, sum) #wide cast/reshape data to row to get mean by year and month
  Var1Data = datacast[-1:0] #remove first column
  Var1sum = datacast2[-1:0] 
  re_data = gather(Var1Data, key='Age', value = var1name) #reshape mean data to columns
  re_data1 = gsub("_", "-", re_data$Age) #pull out info to make date
  re_data2 <- ymd(re_data1, truncated = 1) #create date
  day(re_data2) <- 15
  newColNames <- c("Year", "Month")
  newCols <- colsplit(re_data1, "-", newColNames) #keep separated time period columns
  re_sum = gather(Var1sum, key='Age', value = 'Sum') #return sum data to columns
  data_months <- cbind(re_data2, re_data[[2]], re_sum[[2]], newCols) #create dataframe
  data_months[[4]] <- as.numeric(data_months[[4]])
  data_months[[5]] <- as.numeric(data_months[[5]])
  colnames(data_months) = c('Age', var1name, varsum, 'Year', 'Months')
  return (data_months)
}

我最后得到的是：

Age        SrCa     Year Months
1958-01-15 8.989589 1958 1
1958-02-15 9.009619 1958 2
1958-03-15 9.035000 1958 3 
...

我可以在其中放置某種循環以將 function 應用於 dataframe 中的所有列，這樣我就不必運行 ZC1C425268E68385D1AB5074C17A94F14 平均地球化學 10 次？

我是否需要分解 function 的不同操作才能實現這一點？

我可以將此 function 應用於其他數據幀列表嗎？

編輯：意識到我有多余的數據和兩個我應該提到的獨立函數，它們基本上對不同分辨率的數據集做同樣的事情

Answer 1

如果您將所有數據框放在list ，則應該這樣做：

apply_all <- function(list_of_dfs){ # apply to all data frames
    return(lapply(list_of_dfs, function(df) apply(df,2,YRMONTH)))) # apply to all columns of a data frame
}