我有一个24.341个6个变量的数据框，首先由Point.ID排序，然后按Day排序，如下所示：
Point.ID Day E N Z
P1 2012-03-16 676620.5 4090699 26.82750
P1 2012-03-17 676620.5 4090699 26.82698
P1 2012-03-18 676620.5 4090699 26.82689
P10-Ref1 2012-03-16 676491.8 4090636 76.16396
P10-Ref1 2012-03-17 676491.8 4090636 76.16450
P10-Ref1 2012-03-18 676491.8 4090636 76.16519
P10-Ref1 2012-03-19 676491.8 4090636 76.16646
P11 2012-03-16 676496.7 4090619 75.77662
P11 2012-03-17 676496.7 4090619 75.77746
P11 2012-03-18 676496.7 4090619 75.77769
P11 2012-03-19 676496.7 4090619 75.77887
每个点的E，N和Z观测值不同，但彼此相同（E，N和Z）。
我想从每个Point.ID变量级别的第一个变量E，N和Z中减去以下观察结果，并将结果添加到新变量中的data.frame。
经过长时间的研究和尝试使用dplyr，ddply等后，我做了以下操作，当我绘制结果时，它似乎运行良好，但我需要专家的确认：
daily_means$E_disp <- ave(daily_means$E, daily_means$Point.ID,
FUN = function(x) x[1] - x)
daily_means$N_disp <- ave(daily_means$N, daily_means$Point.ID,
FUN = function(x) x[1] - x)
daily_means$Z_disp <- ave(daily_means$Z, daily_means$Point.ID,
FUN = function(x) x[1] - x)
随意提出一个更好的解决方案，我知道它存在，但由于我的背景短暂，我无法弄明白。