R语言处理时间向量时if条件出现NA值报错的原因咨询

首先，咱们先搞清楚你遇到的报错根源：error in if missing value where true/false needed 这个错误，本质是if条件判断里出现了NA值，而if语句只能接受TRUE/FALSE的逻辑值，NA会直接触发报错。

为什么会出现NA？ #

看你代码里的dayafterday循环：

dayafterday <- for (time_idx in 2:taille) {
  if (time_trunc[time_idx] != time_trunc[time_idx-1]) {
    row_to_keep[time_idx-1] <- TRUE
    if (time_idx > 2) {
      time_trunc[time_idx-1] <- time_trunc[time_idx-1] + 1
    }
    # 这里修改了time_trunc的长度！
    time_trunc <- time_trunc[row_to_keep]
    duree<- length(time_trunc)
    epidemies_time[epid_idx]<-duree
  }
}

问题出在循环过程中你修改了time_trunc的长度：当你执行time_trunc <- time_trunc[row_to_keep]后，time_trunc的长度会变短，但你的循环依然在按2:taille的范围执行。当time_idx超过新的time_trunc长度时，time_trunc[time_idx]就会返回NA，这时候time_trunc[time_idx] != time_trunc[time_idx-1]的结果就是NA，直接导致if报错。

另外还有一个潜在问题：在modele_epid循环中，如果infect[ind_idx] == 0，time[ind_idx+1]不会被重新赋值，会保持初始的0，这可能导致time_trunc里出现不符合预期的0值，但这不是本次报错的直接原因。

怎么修复这个问题？ #

方案1：修复原循环逻辑，避免在循环中修改向量长度

我们可以先完整标记所有需要保留的行，再一次性筛选，而不是在循环中动态修改time_trunc：

# 替换原来的dayafterday循环部分
time_trunc <- trunc(time)
row_to_keep <- rep(FALSE, taille)
row_to_keep[1] <- TRUE  # 保留第一个元素

for (time_idx in 2:taille) {
  if (!is.na(time_trunc[time_idx]) && time_trunc[time_idx] != time_trunc[time_idx-1]) {
    row_to_keep[time_idx] <- TRUE  # 标记当前不同的元素，而不是前一个
  }
}
# 一次性筛选出不重复的整数对应的行
unique_time_trunc <- time_trunc[row_to_keep]
duree <- length(unique_time_trunc)
epidemies_time[epid_idx] <- duree

这里做了两个关键调整：

• 不在循环内修改time_trunc的长度，先遍历完所有元素标记需要保留的行
• 增加!is.na(time_trunc[time_idx])的判断，提前过滤NA值，避免条件里出现NA

方案2：用R的内置函数简化需求（更高效）

其实你的核心需求是对time向量取整后，获取不重复的整数，再计算这个唯一值集合的长度，完全不需要复杂的for循环，用R的内置函数一行就能搞定：

duree <- length(unique(trunc(time)))
epidemies_time[epid_idx] <- duree

unique(trunc(time))会直接返回取整后的所有唯一值，length()就能得到你要的长度，代码更简洁，运行效率也更高。

完整修改后的代码片段 #

把方案2整合到你的完整代码里，替换原来的时间处理部分：

suscept<-rep(0,taille)
infect<-rep(0,taille)
remov<-rep(0,taille)
time<-rep(0,taille)
nvcas<-rep(0,taille)
pop_susc <- 0.1
infect[1]<-5
suscept[1]<- pop_susc*taille - infect[1]
remov[1]<- taille - infect[1]+suscept[1]
beta<-0.0000524
alpha<-0.4
epidemies_nb <- 60
epidemies_time <-c(1:epidemies_nb)

time_code <- for (epid_idx in 1:epidemies_nb) {
  modele_epid <- for(ind_idx in 1:(taille-1)) {
    if(infect[ind_idx]!=0) {
      s<--log(runif(1))/(beta*suscept[ind_idx]*infect[ind_idx]+alpha*infect[ind_idx])
      time[ind_idx+1]<-time[ind_idx]+s
      rand<-runif(1)
      proba<-beta*suscept[ind_idx]*infect[ind_idx]/(beta*suscept[ind_idx]*infect[ind_idx]+alpha*infect[ind_idx])
      if (rand<=proba) {
        suscept[ind_idx+1]<-suscept[ind_idx]-1
        infect[ind_idx+1]<-infect[ind_idx]+1
        remov[ind_idx+1]<-remov[ind_idx]
        nvcas[ind_idx+1]<-1
      } else {
        suscept[ind_idx+1]<-suscept[ind_idx]
        infect[ind_idx+1]<-infect[ind_idx]-1
        remov[ind_idx+1]<-remov[ind_idx]+1
        nvcas[ind_idx+1]<-0
      }
    }
  }
  # 用内置函数直接实现需求，避免循环报错
  duree <- length(unique(trunc(time)))
  epidemies_time[epid_idx] <- duree
  # 注意：每次循环后最好重置time向量，避免下一次迭代使用上一次的结果
  time <- rep(0, taille)
}

epidemies_time

另外加了一个小细节：每次迭代后重置time向量，避免下一次循环使用上一次的time值，保证每个epid_idx对应的time都是独立计算的。

内容的提问来源于stack exchange，提问作者Virgile Korsec