使用dplyr::summarise调用fitdist时触发dnorm() NaN警告，单独调用无此问题

问题根源 #

在dplyr::summarise()中传递给fitdist()的数据是带有dplyr特定属性的向量（而非标准numeric类型），这会导致fitdist()内部调用分布密度函数（如dnorm()）时，出现临时的无效参数计算（比如参数超出分布函数的有效范围），进而触发NaN警告。直接调用fitdist()时，数据是普通numeric向量，因此不会出现该问题。

解决方案 #

在调用fitdist()前，将输入数据强制转换为普通numeric向量，移除dplyr附带的额外属性。

修改后的代码 #

suppressPackageStartupMessages(library(dplyr))
library(fitdistrplus)

fun <- function(data, distr = "norm"){
  # 转换为标准numeric向量
  data <- as.numeric(data)
  fitdist(
        data = data,
        distr = distr,
        keepdata = FALSE, method = "mme"
      )

return(1)
}

# summarise调用不再产生警告
tibble(x = rnorm(100)) |>
  summarise(fun(x))

# 直接调用依然正常
fun(tibble(x = 1:100)$x)

原理说明 #

as.numeric()会剥离dplyr向量的特殊属性，让fitdist()处理标准的numeric类型数据，避免内部计算流程因属性干扰生成无效参数，从根源上消除NaN警告。相比用suppressWarnings()掩盖警告的临时方案，这种方法能保留对其他潜在问题的警告提示，更安全可靠。

内容的提问来源于stack exchange，提问作者Richard Telford