我来帮你搞定这个需求，先梳理下你代码里的小问题，再一步步实现目标：

1. 确认示例数据 #

你的基础数据是没问题的，先再明确一遍：

timestamp <- seq( from = as.POSIXct("12/05/2017 9:00", format = "%m/%d/%Y %H:%M"), by = 60, to = as.POSIXct("12/05/2017 9:02", format = "%m/%d/%Y %H:%M"))
ID <- seq(from = 101, by = 1, to = 115)
df <- data.frame(ID, timestamp)
vars <- list(101, 102, 103)

2. 修正并定义处理函数 #

你原来的函数里有两个变量名错误：df$encounter应该是df$timestamp（你的数据框里没有encounter列），dat$ID应该是df$ID（数据框名是df）。另外，为了让lapply处理后能直接组合成data frame，函数需要返回包含ID和修改后timestamp的data frame行：

foo <- function(x) {
  # 筛选当前ID对应的行
  target_row <- df[df$ID == x, ]
  # 给timestamp增加60秒（即1分钟）
  target_row$timestamp <- target_row$timestamp + 60
  # 返回处理后的行（保持data frame格式）
  return(target_row)
}

3. 用lapply处理并合并成data frame #

lapply会返回一个包含多个小data frame的列表，我们用do.call(rbind, ...)把这些小data frame合并成一个完整的结果：

# 执行批量处理
processed_list <- lapply(vars, foo)
# 合并为最终的data frame
result_df <- do.call(rbind, processed_list)

# 查看结果
print(result_df)

运行后会得到符合预期的输出：

ID           timestamp
1 101 2017-12-05 09:01:00
2 102 2017-12-05 09:02:00
3 103 2017-12-05 09:03:00

另一种更简洁的tidyverse写法 #

如果你习惯用tidyverse工具链，代码会更直观：

library(dplyr)

result_df <- lapply(vars, function(x) {
  df %>%
    filter(ID == x) %>%
    mutate(timestamp = timestamp + 60)
}) %>% bind_rows()

这样同样能得到目标data frame，可读性也更强。

内容的提问来源于stack exchange，提问作者votmoyd