R语言for循环运行异常 未输出全部预期结果且无错误提示

R环境下编写循环执行多变量Mann-Kendall趋势检验时出现异常：单变量首次运行状态正常，更换待处理变量与数据范围后，循环未输出全部预期结果，全程无错误提示。

geartype=data[179:187]
data_stats_structure_gt=as.data.frame(matrix(nrow=0,ncol=3))
names(data_stats_structure_gt)=c('Gear.Type','Man_Kendall_pvalue','Man_Kendall_tauv')

for (i in 1:ncol(geartype)){
  
  dat=geartype[,i]
  dat=as.data.frame(cbind(data$ï..Year,dat))
  ds=names(geartype)[i]
  names(dat)=c("Year",names(geartype)[i])
  dat=dat[-which(is.na(dat[,2])==TRUE),]
  if(nrow(dat)>=3){
    output=as.data.frame(matrix(nrow=1,ncol=3))
    names(output)=c('Gear.Type','Man_Kendall_pvalue','Man_Kendall_tauv')
    
    output$Gear.Type=names(geartype)[i]
    output$Man_Kendall_pvalue=mk.test(dat[,2])$p.value
    output$Man_Kendall_tauv=mk.test(dat[,2])$estimates[3]
    
    data_stats_structure_gt=rbind(data_stats_structure_gt,output)
  }
}

• 缺失值过滤逻辑存在隐式bug：代码使用dat[-which(is.na(dat[,2])==TRUE),]过滤缺失值，当某一列全部为NA时，which()会返回长度为0的空索引，取负后会直接删除所有行，触发后续nrow(dat)>=3的判断跳过该变量，整个过程不会抛出任何错误，是导致结果缺失的核心原因。
• 数据类型隐式转换风险：取子集时使用geartype[,i]未加drop=FALSE参数，data.frame单索引取列会默认降维为向量，后续cbind()操作如果遇到类型不匹配会自动把数值转成字符型，导致M-K检验计算异常但不报错。
• 结果取值无容错：直接取mk.test(dat[,2])$estimates[3]，如果个别变量输入特殊（比如所有取值完全一致）导致检验返回的estimates长度不足3，会直接返回NA，同时重复调用两次mk.test也增加了不必要的计算开销。

# 提前加载趋势检验包
library(trend)

geartype <- data[179:187]
# 直接初始化结构匹配的空结果表，避免matrix转data.frame的类型异常
data_stats_structure_gt <- data.frame(
  Gear.Type = character(),
  Man_Kendall_pvalue = numeric(),
  Man_Kendall_tauv = numeric(),
  stringsAsFactors = FALSE
)

for (i in seq_along(geartype)) {
  # 取列时保留data.frame结构，避免隐式降维
  current_col <- geartype[, i, drop = FALSE]
  dat <- data.frame(
    Year = data$ï..Year,
    value = current_col[[1]]
  )
  # 用正向逻辑过滤缺失值，规避全NA列的索引bug
  dat <- dat[!is.na(dat$value), ]
  
  # 样本量不足直接跳过，同时控制台打印提示
  if (nrow(dat) < 3) {
    message(sprintf("变量「%s」有效非NA样本量不足3，已跳过", names(geartype)[i]))
    next
  }
  
  # 增加异常捕获，避免个别变量计算失败无提示
  mk_res <- tryCatch({
    mk.test(dat$value)
  }, error = function(e) {
    message(sprintf("变量「%s」M-K检验计算失败：%s", names(geartype)[i], e$message))
    return(NULL)
  })
  
  # 检验结果有效时才写入结果表，增加取值容错
  if (!is.null(mk_res)) {
    tau_val <- if (length(mk_res$estimates) >= 3) mk_res$estimates[3] else NA_real_
    output <- data.frame(
      Gear.Type = names(geartype)[i],
      Man_Kendall_pvalue = mk_res$p.value,
      Man_Kendall_tauv = tau_val,
      stringsAsFactors = FALSE
    )
    data_stats_structure_gt <- rbind(data_stats_structure_gt, output)
  }
}

• 运行修复代码时，控制台会直接输出被跳过/计算失败的变量名和原因，可直接对应缺失的结果条目
• 建议提前将原数据中乱码的ï..Year列重命名为Year，避免不同操作系统编码不一致导致列索引错误
• 如果处理变量量级较大，可提前预分配结果表行数替换逐行rbind，减少内存拷贝提升运行速度

内容的提问来源于stack exchange，提问作者paula vdb