R函数中filter()报错：Input `..1`需为大小262或1，而非0

我有一个大型数据集，包含不同说话者在不同时间点（AOPs）产出的所有词汇，想要为每个说话者的每个时间点生成已知词汇和未知词汇列表。我在R里写了逻辑完全一致的两个函数，分别处理'actual'和'target'数据，只是把变量名里的'actual'换成了'target'。

处理target数据的代码如下：

prepared_data_target <- lapply(AOP_list, FUN = function(element) {                                         
   data <- target_data %>% filter(data_type == "target" & Speaker == element$Speaker)   # 筛选对应说话者
   timepoint <- data %>% filter(AOP == element$AOP)  # 筛选对应时间点                            
   timepoint <- timepoint$AOP # 提取时间点值
   unknown <- data %>% filter(AOP > timepoint) # 筛选所有当前未知词汇                                  
   known <- data %>% filter(AOP <= timepoint)      # 筛选所有已知词汇           
   output <- list(timepoint, known, unknown)
 })

运行这段代码时出现如下错误：

Error: Problem with `filter()` input `..1`.
i Input `..1` is `AOP > timepoint`.
x Input `..1` must be of size 262 or 1, not size 0.

处理'actual'数据的代码能正常运行，我试过用{{}}包裹过滤变量，但没有解决问题。

问题根源 #

报错的核心是**AOP_list里存在某个element，其对应的说话者+AOP组合在target_data中没有匹配数据**：

1. 执行timepoint <- data %>% filter(AOP == element$AOP)时，返回空数据框；
2. 提取timepoint$AOP后得到长度为0的空向量；
3. 后续filter(AOP > timepoint)时，空向量无法和data的262行数据做比较，触发维度不匹配的错误。

而actual_data中不存在这种"说话者+AOP无匹配"的情况，所以代码能正常运行。

修复方案 #

在代码中加入判断逻辑，提前拦截无匹配的情况，避免后续报错：

prepared_data_target <- lapply(AOP_list, FUN = function(element) {                                         
   # 筛选当前说话者的所有target数据
   data <- target_data %>% filter(data_type == "target" & Speaker == element$Speaker)
   
   # 情况1：该说话者无任何target数据
   if(nrow(data) == 0){
     return(list(timepoint = NA, known = NULL, unknown = NULL))
   }
   
   # 筛选当前时间点的数据行
   timepoint_row <- data %>% filter(AOP == element$AOP)
   
   # 情况2：该说话者有数据，但当前时间点无匹配
   if(nrow(timepoint_row) == 0){
     return(list(timepoint = element$AOP, known = NULL, unknown = NULL))
   }
   
   # 正常处理流程
   timepoint <- timepoint_row$AOP
   unknown <- data %>% filter(AOP > timepoint)
   known <- data %>% filter(AOP <= timepoint)           
   
   # 给输出列表命名，方便后续提取
   list(timepoint = timepoint, known = known, unknown = unknown)
 })

额外优化建议 #

• 给输出列表命名（如timepoint、known、unknown），避免后续靠索引取值的混乱；
• 提前对target_data按Speaker和AOP分组预处理，减少lapply中重复筛选的开销：

# 预处理：按说话者+AOP分组，生成命名列表
target_grouped <- target_data %>% 
  filter(data_type == "target") %>%
  group_by(Speaker, AOP) %>%
  group_split() %>%
  setNames(paste0(purrr::map(., ~.$Speaker[1]), "_", purrr::map(., ~.$AOP[1])))

内容的提问来源于stack exchange，提问作者Catherine Laing