在R中分组计算时，如何跳过不满足函数条件的异常组？

针对你遇到的分组数据量不足导致cor.test报错终止代码的问题，可以用purrr包的possibly函数给cor.test添加容错机制，让它遇到不满足条件的分组时返回NA而非报错，从而让代码继续执行。

修改后的代码 #

library(dplyr)
library(purrr)

# 包装cor.test，出错时返回包含NA的列表
safe_cor_test <- possibly(
  .f = function(x, y) cor.test(x, y),
  # 出错时返回的默认结果，和cor.test的输出结构匹配
  otherwise = list(estimate = NA, p.value = NA)
)

t_h_korr <- t_h %>% 
  group_by(Tag) %>% 
  summarise(korr_test = list(safe_cor_test(Wassertemperatur, Lufttemperatur))) %>% 
  mutate(
    rsquared = unlist(map(korr_test, "estimate")),
    pval = unlist(map(korr_test, "p.value"))
  )

关键说明 #

• possibly函数会把原函数（这里是cor.test）转换成一个容错函数：当原函数正常运行时返回计算结果，出错时返回你指定的otherwise值。
• 这里设置的otherwise结构和cor.test的输出保持一致，这样后续用map提取estimate和p.value时不会出错，数据不足的分组会得到NA值。
• 如果需要更严格的过滤，也可以在summarise之前先筛选出满足条件的分组，比如要求每组至少有2条非缺失数据：

t_h_korr <- t_h %>% 
  group_by(Tag) %>% 
  # 过滤掉非缺失数据少于2条的分组
  filter(sum(!is.na(Wassertemperatur) & !is.na(Lufttemperatur)) >= 2) %>% 
  summarise(korr_test = list(cor.test(Wassertemperatur, Lufttemperatur))) %>% 
  mutate(
    rsquared = unlist(map(korr_test, "estimate")),
    pval = unlist(map(korr_test, "p.value"))
  )

这两种方法都能解决你的问题，第一种保留所有分组（不足的分组返回NA），第二种直接过滤掉不满足条件的分组，你可以根据需求选择。

内容的提问来源于stack exchange，提问作者nhydro