如何用if条件筛选矩阵非NA值及解决参数长度为零错误

错误根源分析 #

你遇到的"argument is of length zero"错误，核心是循环索引生成逻辑错误，导致访问矩阵元素时返回空值，is.na()对空值判断会触发该错误。具体问题点：

• R中运算符优先级:高于-，像nlat - lim:nlat实际会被解析为nlat - (lim:nlat)，生成的索引可能为负数或超出矩阵行范围，此时pr_new[m, n]返回空向量；
• 右侧循环的p2 - 1:p2 - 1 - lim、p2:p2 - lim同样存在运算符优先级问题，生成无效索引；
• 冗余的c(pr_new[m, n])完全没必要，单个矩阵元素本身就是长度为1的向量，转成向量不解决问题反而增加复杂度。

修复后的代码 #

先修正循环索引，保留原逻辑基础上修复错误：

F <- function(x, a, b, c, d) { 
  f <- a*(tanh(b*(x - c)) - d)
  return(f)
}

nlon <- 3241 ; nlat <- 1680
p1 <- 3221 ; p2 <- 1103
pr_new <- matrix(0, nlat, nlon) # 示例矩阵
lim <- 10 

for (n in 1:nlon) {
  a <- -0.5; b <- 1; c <- 0; d <- 1 # F函数参数
  if (n < p1) { # 左侧区域
    # 修正索引：从nlat-lim到nlat，用括号明确范围
    for (m in (nlat - lim):nlat) {
      # 先判断m是否在有效行范围内，再检查NA
      if (m >= 1 && m <= nlat && !is.na(pr_new[m, n])) { 
        pr_new[m, n] <- F(n, a, b, c, d)
      }
    }
  } else { # 右侧区域
    # 先检查p2是否在有效范围内
    if (p2 >=1 && p2 <=nlat && is.na(pr_new[p2, n])) { 
      # 修正索引：从p2-1-lim到p2-1
      for (m in (p2 - 1 - lim):(p2 - 1)) {
        if (m >=1 && m <=nlat && !is.na(pr_new[m, n])) {
          pr_new[m, n] <- F(m, a, b, c, d)
        }
      }
    } else {
      # 修正索引：从p2-lim到p2
      for (m in (p2 - lim):p2) {
        if (m >=1 && m <=nlat && !is.na(pr_new[m, n])) {
          pr_new[m, n] <- F(m, a, b, c, d)
        }
      }
    }
  }
}

更高效的替代方案（避免循环） #

R中矩阵循环效率极低，尤其是你的矩阵规模较大（3241×1680），建议用向量化操作替代循环，同时处理NA值：

方案1：逻辑索引直接赋值 #

# 定义函数
F <- function(x, a, b, c, d) { 
  a*(tanh(b*(x - c)) - d)
}

nlon <- 3241 ; nlat <- 1680
p1 <- 3221 ; p2 <- 1103
pr_new <- matrix(0, nlat, nlon)
lim <- 10 
a <- -0.5; b <- 1; c <- 0; d <- 1

# 处理左侧区域（n < p1）
left_n <- 1:(p1-1)
left_rows <- (nlat - lim):nlat
left_idx <- expand.grid(m = left_rows, n = left_n)
valid_left <- !is.na(pr_new[left_idx$m, left_idx$n])
pr_new[left_idx$m[valid_left], left_idx$n[valid_left]] <- F(left_idx$n[valid_left], a, b, c, d)

# 处理右侧区域（n >= p1）
right_n <- p1:nlon
# 情况1：pr_new[p2, n]为NA
right_upper_n <- right_n[is.na(pr_new[p2, right_n])]
upper_rows <- (p2 -1 - lim):(p2 -1)
upper_idx <- expand.grid(m = upper_rows, n = right_upper_n)
valid_upper <- !is.na(pr_new[upper_idx$m, upper_idx$n])
pr_new[upper_idx$m[valid_upper], upper_idx$n[valid_upper]] <- F(upper_idx$m[valid_upper], a, b, c, d)

# 情况2：pr_new[p2, n]非NA
right_lower_n <- right_n[!is.na(pr_new[p2, right_n])]
lower_rows <- (p2 - lim):p2
lower_idx <- expand.grid(m = lower_rows, n = right_lower_n)
valid_lower <- !is.na(pr_new[lower_idx$m, lower_idx$n])
pr_new[lower_idx$m[valid_lower], lower_idx$n[valid_lower]] <- F(lower_idx$m[valid_lower], a, b, c, d)

方案2：apply系列函数处理列 #

process_col <- function(col, col_idx, p1, p2, lim, a, b, c, d) {
  if (col_idx < p1) {
    rows <- (length(col) - lim):length(col)
    col[rows][!is.na(col[rows])] <- F(col_idx, a, b, c, d)
  } else {
    if (is.na(col[p2])) {
      rows <- (p2 -1 - lim):(p2 -1)
      col[rows][!is.na(col[rows])] <- F(rows[!is.na(col[rows])], a, b, c, d)
    } else {
      rows <- (p2 - lim):p2
      col[rows][!is.na(col[rows])] <- F(rows[!is.na(col[rows])], a, b, c, d)
    }
  }
  col
}

pr_new <- t(apply(pr_new, 2, process_col, p1=p1, p2=p2, lim=lim, a=a, b=b, c=c, d=d))

关键注意事项 #

• 始终确保矩阵索引在1:nrow(pr_new)和1:ncol(pr_new)范围内，避免无效索引；
• R中优先使用向量化操作替代循环，大幅提升大矩阵处理效率；
• 检查NA时直接用!is.na(pr_new[m,n])即可，无需额外转成向量。

内容的提问来源于stack exchange，提问作者Abby