如何改写R语言代码实现并行运行，解决variogram计算报错问题

错误原因分析 #

你遇到的invalid 'times' argument错误源于两个核心问题：

1. 并行函数逻辑错误：parLapply会遍历buffalo列表的每个元素，每个x是单个telemetry对象（而非整个列表），但你在并行函数里仍保留了针对列表的循环for (i in 1:length(x))——此时length(x)是单个telemetry数据框的列数，x[[i]]是列向量，并非variogram()所需的telemetry对象，因此触发错误。
2. 集群未加载依赖包：并行节点默认不会自动加载ctmm包，导致variogram()函数无法被识别。
3. 并行环境绘图问题：集群节点没有图形设备，直接调用plot()会引发额外错误。

修复后的并行代码 #

# 加载依赖库
library(ctmm)
library(parallel)

# 读取ctmm内置的水牛追踪数据
data("buffalo")

# 为每个追踪数据添加ID列（保留原逻辑）
for(i in 1:length(buffalo)){
  buffalo[[i]][7] <- names(buffalo[i])
  names(buffalo[[i]])[7] <- "ID"
}

# 定义单个telemetry对象的变异函数计算逻辑
calc_variogram <- function(telemetry_data, animal_id) {
  # 计算变异函数
  sv_result <- variogram(telemetry_data)
  # 并行环境无法直接显示图形，将图保存为PDF文件
  pdf(paste0(animal_id, "_variogram.pdf"))
  plot(sv_result, main = animal_id)
  dev.off()
  return(sv_result)
}

# 设置并行集群（保留1个核心给系统）
no_cores <- detectCores() - 1
cl <- makeCluster(no_cores)

# 让所有并行节点加载ctmm包
clusterEvalQ(cl, library(ctmm))

# 并行计算每个动物的变异函数
SVF_list <- parLapply(cl, seq_along(buffalo), function(idx) {
  calc_variogram(buffalo[[idx]], names(buffalo)[idx])
})

# 为结果列表命名
names(SVF_list) <- names(buffalo)

# 停止并行集群
stopCluster(cl)

关键修复点说明 #

• 简化函数逻辑：calc_variogram仅处理单个telemetry对象，避免了循环误用。
• 集群加载依赖：通过clusterEvalQ让所有并行节点加载ctmm包，确保函数可用。
• 绘图适配并行环境：将绘图结果保存为PDF文件，绕过集群无图形设备的限制。
• 正确遍历索引：通过seq_along(buffalo)遍历列表索引，同时传递动物ID用于文件命名和图标题。

内容的提问来源于stack exchange，提问作者Jason Edelkind