在R中对数据进行子集化可以使用subset()函数，根据不同的粒度级别对数据进行筛选。然后可以使用lapply()函数将指定的函数应用于每个数据框。

下面是一个示例代码：

# 创建一个示例数据框
df <- data.frame(
  name = c("Alice", "Bob", "Charlie", "David"),
  age = c(25, 30, 35, 40),
  gender = c("Female", "Male", "Male", "Male"),
  salary = c(50000, 60000, 70000, 80000)
)

# 按照年龄进行子集化
age_subset <- subset(df, age > 30)

# 按照性别进行子集化
gender_subset <- subset(df, gender == "Male")

# 定义一个函数，计算平均薪资
calculate_avg_salary <- function(data) {
  avg_salary <- mean(data$salary)
  return(avg_salary)
}

# 对每个子集应用函数
avg_salary_age <- calculate_avg_salary(age_subset)
avg_salary_gender <- calculate_avg_salary(gender_subset)

在这个示例中，我们首先创建了一个包含姓名、年龄、性别和薪资的数据框。然后，使用subset()函数根据年龄和性别对数据进行子集化。接下来，我们定义了一个函数calculate_avg_salary()，该函数接受一个数据框作为参数，并计算薪资的平均值。最后，使用lapply()函数将这个函数应用于每个子集，并将结果存储在不同的变量中。

需要注意的是，subset()函数返回一个子集化后的数据框，因此可以直接将其作为参数传递给calculate_avg_salary()函数。