R中tidy函数在future_map内调用处理lmerMod对象报错如何解决？

你使用的multisession并行模式会启动独立的后台R工作进程，这类进程默认不会继承主进程加载的R包命名空间。你的fun1函数依赖多个扩展包的特定方法，子进程未预加载对应包时就会触发报错：

• 针对lmerMod/merMod类对象的tidy()方法由broom.mixed包提供，基础broom包本身不支持lmer类的tidy转换，子进程未加载broom.mixed时就找不到适配的方法
• 此外fun1用到的lmer()来自lme4包、analysis()来自rsample包、管道符%>%来自dplyr/magrittr包，这些依赖也需要子进程可调用
  原本的map()是在主进程串行运行，主进程已经加载了所有需要的包，因此运行正常。

方法1：显式声明子进程需要加载的包 #

在future_map的参数中指定子进程需要预加载的依赖包即可，修改最后一步的mutate代码：

# furrr 2.0+ 版本写法
mutate(model = future_map(splits, fun1, .options = furrr_options(packages = c("lme4", "broom.mixed", "rsample", "dplyr"))))

# 旧版本furrr写法
mutate(model = future_map(splits, fun1, .packages = c("lme4", "broom.mixed", "rsample", "dplyr")))

方法2：自定义函数内显式指定包名前缀 #

直接在fun1里给每个函数加上所属包的前缀，不需要额外配置并行参数，兼容性更强：

fun1 <- function(data) {
    data %>% 
      rsample::analysis() %>%
      lme4::lmer(val ~ period + (1 | id), data = .) %>% 
      broom.mixed::tidy()
 }

只要子进程环境中已经安装了对应包，就能正常运行。

方法3：更换并行模式（仅适用于Linux/macOS） #

如果你的运行环境不是Windows，可以把并行计划替换为plan(multicore)，该模式下子进程会完全继承主进程的工作环境和已加载的包，不需要额外配置即可正常运行。

内容的提问来源于stack exchange，提问作者YanLi