R中使用全FALSE逻辑向量子集化tis对象列表时遇报错咨询

我来帮你搞定这个tis包对象列表子集化时碰到的报错问题～先理清楚你的场景：当筛选条件返回全为FALSE的逻辑向量时，对列表里的tis对象做子集化就会弹出Error in if (!perhaps) return(FALSE) : missing value where TRUE/FALSE needed的错误，但单个tis对象做类似操作却没问题，这其实是因为列表中的tis对象在处理空结果时的内部逻辑和单个对象有差异。

问题根源 #

本质上，当你用全FALSE的向量去子集化tis对象时，程序会尝试创建一个空的tis对象，但tis包的内部函数在处理这种空对象时，有个条件判断需要有效的逻辑值，而空向量会导致这个判断失效，进而抛出错误。

解决方案：提前判断逻辑向量状态 #

我们可以在子集化之前先检查逻辑向量是否全为FALSE，如果是的话，返回一个符合tis结构的空对象（或者根据你的需求返回NULL），就能避开这个报错了。修改后的代码如下：

library(tis)
library(dplyr)

# 你的原始数据
myTis <- list(cbind(tis(1:10, start = c(2000, 1), freq = 12), tis(101:110, start = c(2000, 1), freq = 12)), 
              cbind(tis(7:12, start = c(2000, 1), freq = 12), tis(107:112, start = c(2000, 1), freq = 12)))

# 处理后的子集化逻辑
myTis_filtered <- myTis %>% 
  lapply(function(x) {
    idx <- x[,1] < 7
    # 检查是否全为FALSE
    if(all(!idx)) {
      # 返回匹配原对象时间属性的空tis对象
      return(tis(numeric(0), start = start(x), freq = freq(x)))
    } else {
      x[idx, ]
    }
  })

其他处理tis对象子集化的实用方法 #

除了上面的修复方案，还有几种更贴合tis对象特性的子集化方式：

• 方法一：用window()按时间范围筛选
  如果你的筛选是基于时间区间，tis包自带的window()函数是更合适的选择，它专门为时间序列对象设计：

  # 筛选2000年1月到2000年6月的记录
  myTis_windowed <- myTis %>% 
    lapply(function(x) window(x, start = c(2000,1), end = c(2000,6)))
  

• 方法二：转成data.frame处理复杂逻辑
  要是你有更复杂的筛选规则，可以先把tis对象转成data.frame处理，完成后再转回tis对象：

  myTis_df_filtered <- myTis %>% 
    lapply(function(x) {
      df <- as.data.frame(x)
      df_filtered <- df[df[,1] < 7, ]
      if(nrow(df_filtered) == 0) {
        tis(numeric(0), start = start(x), freq = freq(x))
      } else {
        as.tis(df_filtered, start = start(x), freq = freq(x))
      }
    })
  

• 方法三：用purrr::map()简化语法
  如果你习惯tidyverse风格，可以用purrr包的map()替代lapply，语法更简洁：

  library(purrr)
  
  myTis_purrr <- myTis %>% 
    map(function(x) {
      idx <- x[,1] < 7
      if(all(!idx)) {
        tis(numeric(0), start = start(x), freq = freq(x))
      } else {
        x[idx, ]
      }
    })
  

内容的提问来源于stack exchange，提问作者wtrs