如何在R中遍历月份列表与整数，计算各月不同事件数的概率？

你遇到的「Non-numeric argument to mathematical function」错误，本质是传入ppois/dpois的均值参数不是数值类型（比如是字符、因子），或者循环时没正确提取单个数值。下面是针对多月份场景的正确实现：

1. 先明确数据集结构（示例） #

假设你的数据集包含月份和对应均值两列，替换成你的真实数据即可：

# 示例数据集
monthly_data <- data.frame(
  month = c("1月", "2月", "3月", "4月"),
  monthly_avg = c(3.2, 4.5, 3.8, 4.1)  # 确保这列是数值型
)

# 强制转换均值列为数值型（避免类型错误）
monthly_data$monthly_avg <- as.numeric(monthly_data$monthly_avg)

2. 定义要计算的事件数范围 #

比如计算0到10次事件的概率：

event_counts <- 0:10

3. 方法一：基础R循环实现 #

# 初始化空结果框
final_result <- data.frame()

# 遍历每个月份
for (row in 1:nrow(monthly_data)) {
  current_month <- monthly_data$month[row]
  current_avg <- monthly_data$monthly_avg[row]
  
  # 计算概率：
  # - 单个事件数的概率用dpois
  # - n次及以上的累计概率用ppois(event_counts, current_avg, lower.tail=FALSE)
  event_probs <- dpois(event_counts, lambda = current_avg)
  
  # 组装当前月份的结果
  temp_df <- data.frame(
    月份 = current_month,
    事件数 = event_counts,
    概率 = event_probs
  )
  
  # 合并到总结果
  final_result <- rbind(final_result, temp_df)
}

# 查看结果
head(final_result)

4. 方法二：dplyr分组实现（更简洁） #

如果习惯用tidyverse工具，推荐这种方式：

library(dplyr)
library(tidyr)

final_result <- monthly_data %>%
  rowwise() %>%
  mutate(
    事件数 = list(event_counts),
    # 按需替换dpois为ppois(..., lower.tail=FALSE)
    概率 = list(dpois(event_counts, lambda = monthly_avg))
  ) %>%
  unnest(cols = c(事件数, 概率))

# 查看结果
print(final_result)

关键注意事项 #

• 确保monthly_avg列是数值型：如果原始数据中这列是字符或因子，必须用as.numeric()转换，否则会触发你遇到的错误。
• 无需逐个遍历事件数：dpois和ppois都支持向量输入，直接传入event_counts即可，你之前代码里的for循环其实是多余的。

内容的提问来源于stack exchange，提问作者JamesW