如何正确将函数结果传入另一函数（MCP家域计算场景）

原代码核心问题分析 #

• 函数依赖全局变量而非输入参数：原MCP函数直接调用全局的buffalo.sp_list，未利用传入的参数，导致无法针对每个年度的个体数据精准计算。
• 循环次数逻辑错误：原循环使用length(buffalo.sp_list)（即年度数量2）作为循环次数，而非每个年度内的个体数量，因此每个年度仅输出2个结果，而非实际个体数。
• 坐标提取方式脆弱：原buffalo.sp函数用固定索引[[5]]/[[6]]提取坐标，若遥测对象结构变化会直接出错，应改用列名提取。

修正后的完整代码及说明 #

1. 优化个体空间点数据生成函数

library(ctmm) 
library(ggplot2) 
library(dplyr) 
library(stringr) 
library(lubridate) 
library(sf) 
library(tidyverse) 
library(sp) 
library(scales) 
library(tidyr) 
library(tibble)
library(adehabitatHR)

# 加载数据
data("buffalo")

# 合并个体数据并处理时间列
buffalo2 <- bind_rows(
  as.data.frame(buffalo$Cilla) %>% mutate(id = "Cilla"),
  as.data.frame(buffalo$Gabs) %>% mutate(id = "Gabs"),
  as.data.frame(buffalo$Mvubu) %>% mutate(id = "Mvubu"),
  as.data.frame(buffalo$Pepper) %>% mutate(id = "Pepper"),
  as.data.frame(buffalo$Queen) %>% mutate(id = "Queen"),
  as.data.frame(buffalo$Toni) %>% mutate(id = "Toni")
) %>%
  mutate(
    timestamp = ymd_hms(timestamp),
    Year = factor(year(timestamp)),
    UTM.zone = "12 +datum=NAD27",
    date = date(timestamp),
    time = hms::as_hms(timestamp)
  ) %>%
  select(id, Year, longitude, latitude, UTM.zone, date, time, timestamp)

# 按年份拆分数据并转换为遥测对象
Tdata <- list(
  Tdata2005 = as.telemetry(filter(buffalo2, Year == 2005), 
                          timeformat="auto", timezone="UTC", 
                          timeout=Inf, datum="NAD27",
                          na.rm="row", mark.rm=FALSE),
  Tdata2006 = as.telemetry(filter(buffalo2, Year == 2006), 
                          timeformat="auto", timezone="UTC", 
                          timeout=Inf, datum="NAD27",
                          na.rm="row", mark.rm=FALSE)
)

2. 生成个体空间点数据列表

buffalo.sp <- function(telemetry_data) {
  buffalo.sp_data <- list()
  # 遍历每个个体的遥测数据
  for (i in seq_along(telemetry_data)) {
    coords <- data.frame(
      ID = names(telemetry_data)[i],
      X = telemetry_data[[i]]$longitude,
      Y = telemetry_data[[i]]$latitude
    )
    coordinates(coords) <- c("X", "Y")
    proj4string(coords) <- proj4string(telemetry_data[[i]])
    buffalo.sp_data[[i]] <- coords
  }
  names(buffalo.sp_data) <- names(telemetry_data)
  return(buffalo.sp_data)
}

# 生成年度空间点数据列表
buffalo.sp_list <- lapply(Tdata, buffalo.sp)

3. 计算MCP家域

calculate_MCP <- function(spatial_points_list, percent = 95) {
  mcp_results <- list()
  # 遍历每个个体计算MCP
  for (i in seq_along(spatial_points_list)) {
    mcp_results[[i]] <- mcp(spatial_points_list[[i]], percent = percent)
  }
  names(mcp_results) <- names(spatial_points_list)
  return(mcp_results)
}

# 生成年度MCP结果列表
MCP_list <- lapply(buffalo.sp_list, calculate_MCP)

4. 验证结果

# 查看2005年MCP结果数量（应为4）
length(MCP_list$Tdata2005)
# 查看2006年MCP结果数量（应为2）
length(MCP_list$Tdata2006)

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