使用purrr::map迭代调用grf::causal_forest时报观测值非向量错误

• 90%以上该场景报错的核心原因是迭代取列时返回了单列tibble而非向量：tidyverse中tibble用df["列名"]的方式取单列时，返回的是1列的tibble结构，不会自动降维为向量，而grf::causal_forest要求Y、W输入必须是一维向量，把取列方式替换为df[["列名"]]或者dplyr::pull(df, 列名)即可解决。
• 次要原因是封装函数时没有正确对列名字符串/符号做求值：如果你传入的是未求值的列名符号而非字符串，需要先在函数内完成求值再传入causal_forest。

library(tidyverse)
library(grf)

# 模拟测试数据
n <- 2000
p <- 10
X <- matrix(rnorm(n * p), n, p)
W <- rbinom(n, 1, 0.5)
Y1 <- pmax(X[,1], 0) * W + X[,2] + pmin(X[,3], 0) + rnorm(n)
Y2 <- 2*X[,1] * W + X[,3] + rnorm(n)
df <- as_tibble(X) %>% mutate(W = W, Y1 = Y1, Y2 = Y2)

# 待迭代的Y列名向量
y_cols <- c("Y1", "Y2")

# 迭代建模提取结果
result <- map_dfr(y_cols, function(y_name) {
  # 核心：取Y列要返回向量，用[[或者pull
  Y <- df[[y_name]]
  W <- df[["W"]]
  # 建模
  cf <- causal_forest(X = X, Y = Y, W = W)
  # 提取ATE结果
  ate_res <- average_treatment_effect(cf)
  tibble(
    y_col = y_name,
    estimate = unname(ate_res["estimate"]),
    std.err = unname(ate_res["std.err"])
  )
})

你可以在自己的迭代代码中插入print(str(Y))调试，只要输出显示为tibble [N × 1]就可以确认是取列格式错误，按上述方法调整即可。

内容的提问来源于stack exchange，提问作者C.Robin