R语言使用future包并行模拟时‘row names discarded’警告排查

警告原因 #

当n_iter>1时，future_lapply返回的每个迭代结果是单个p值，用do.call(rbind, ...)会将这些值拼接成带行名（1到n_iter）的列矩阵；而sim_grid[rowindex,]是单行数据框，行名为原sim_grid的行号。cbind合并两者时，R发现行名长度不匹配，会丢弃行名并抛出警告。n_iter=1时矩阵只有一行，行名和sim_grid的行名一致，所以无警告。

解决方案 #

直接将future_lapply的结果转为无行名的向量，再作为列合并到参数数据框中，避免行名冲突。以下是两种简洁的实现方式：

方式一：清除中间结果的行名 #

在合并前手动清除迭代结果矩阵的行名，消除行名冲突：

res_simulation <- do.call("rbind", lapply(seq_len(nrow(sim_grid)), function(rowindex)
{
  print(rowindex)
  # 执行并行迭代
  iter_results <- do.call(
    "rbind",
    future_lapply(seq_len(n_iter), function(iter)
    {
      one_simulation(
        n = sim_grid$n[rowindex],
        mean = sim_grid$mean[rowindex],
        sd = sim_grid$sd[rowindex]
      )
    }, future.seed = 12457854 + rowindex
    )
  )
  rownames(iter_results) <- NULL # 清除行名
  cbind(sim_grid[rowindex, ], iter_results)
}))

方式二：直接转为向量（更推荐） #

利用unlist将future_lapply的列表结果转为向量，再作为新列合并，完全避免行名生成：

res_simulation <- do.call("rbind", lapply(seq_len(nrow(sim_grid)), function(rowindex)
{
  print(rowindex)
  p_values <- unlist(
    future_lapply(seq_len(n_iter), function(iter)
    {
      one_simulation(
        n = sim_grid$n[rowindex],
        mean = sim_grid$mean[rowindex],
        sd = sim_grid$sd[rowindex]
      )
    }, future.seed = 12457854 + rowindex
    )
  )
  # 合并参数和p值向量，命名新列为p_value
  cbind(sim_grid[rowindex, ], p_value = p_values)
}))

修改后的完整代码 #

# install.packages("future")
library(future)
# install.packages("future.apply")
library(future.apply)

options(parallelly.fork.enable = TRUE)

# 数据生成函数
data_generating_function <- function(n, mean, sd) {
  x <- rnorm(n, mean, sd)
  y <- rnorm(n, mean, sd) + 1 * x
  return(data.frame(x, y))
}

# 单次模拟函数
one_simulation <- function(n, mean, sd) {
  data <- data_generating_function(n, mean, sd)
  model <- lm(y ~ x, data = data)
  p_value <- summary(model)$coefficients[2, 4]
  return(p_value)
}

# 模拟参数网格
sim_grid <- expand.grid(
  n = c(10, 100, 1000),
  mean = c(0, 1, 2),
  sd = c(1, 2, 3)
)

# 迭代次数
n_iter <- 10

plan(multicore, workers = 3)

# 无警告的合并方式
res_simulation <- do.call("rbind", lapply(seq_len(nrow(sim_grid)), function(rowindex)
{
  print(rowindex)
  p_values <- unlist(
    future_lapply(seq_len(n_iter), function(iter)
    {
      one_simulation(
        n = sim_grid$n[rowindex],
        mean = sim_grid$mean[rowindex],
        sd = sim_grid$sd[rowindex]
      )
    }, future.seed = 12457854 + rowindex
    )
  )
  cbind(sim_grid[rowindex, ], p_value = p_values)
}))

内容的提问来源于stack exchange，提问作者Linus