R语言分组时序转ts并实现B-K滤波清洗的管道开发与报错排查

• 核心错误是管道传参与作用域错位：你代码中写的mFilter::bkfilter(., data_ts, ...)语法里，管道传入的.代表的是当前管线节点的整层嵌套数据框，并非你之前生成的data_ts时序对象；而data_ts是上一步summarise调用生成的列内局部临时变量，当管线流到下一个操作节点时，这个临时变量的作用域已经完全失效，函数在全局环境找不到它，自然抛出找不到对象的报错。

• 连带容易踩的逻辑陷阱：
  1. 拆分ts转换和B-K滤波两个步骤到不同的管线调用时，需要跨列引用生成的时序对象，这类引用在分组嵌套场景下极易因为作用域隔离失效
  2. bkfilter()的返回值是S3结构化对象，包含原序列、周期成分、趋势成分等多层嵌套字段，不能直接作为列值被unnest平铺，直接展开会出现结构层级混乱

顺着你原有的管线思路，把跨步骤的逻辑收敛到同一作用域内完成，全程不需要生成全局可访问的临时变量：

1. 先对原数据执行ungroup()清除所有历史分组，避免分组逻辑污染后续操作
2. 按decil分组做嵌套拆分，将每个分组的明细观测存为独立嵌套列
3. 在单个map回调内连续完成三个动作：将子表的目标指标转换为等间隔ts时序对象、直接对刚生成的时序对象传入指定参数跑B-K滤波、将滤波返回的结构对象拆解为和原日期对齐的平直小数据框
4. 通过unnest展开所有拆解好的平直小数据框，删除冗余嵌套列，最终得到规整的输出表

library(dplyr)
library(purrr)
library(tidyr)
library(mFilter)

# 按实际数据调整ts的frequency参数，对应你的观测周期（月度=12，季度=4，年度=1）
final_tibble <- raw_observations %>%
  ungroup() %>%
  # 按decil拆分嵌套
  nest(group_data = -decil) %>%
  # 单作用域内完成时序转换+滤波，无跨步骤临时变量引用
  mutate(filtered_result = map(group_data, ~{
    # 生成ts对象，属于map回调内部的局部变量，作用域安全
    ts_metric <- ts(.x$indicator_value, frequency = 12)
    # 直接对局部ts对象执行滤波，无需引用外部不存在的变量
    bk_output <- bkfilter(ts_metric, pl = 6, pu = 32, type = "fixed", drift = FALSE)
    # 拆解滤波结果为平直结构，方便后续unnest
    tibble(
      año = .x$año,
      raw_value = .x$indicator_value,
      bk_cycle = bk_output$cycle,
      bk_trend = bk_output$trend
    )
  })) %>%
  # 展开嵌套结果
  unnest(filtered_result) %>%
  # 清理冗余列
  select(decil, año, raw_value, bk_cycle, bk_trend)

• 完全规避找不到对象的报错：所有中间生成的时序对象、滤波结果都在map的局部作用域内使用，不存在跨节点的变量引用
• 输出结构完全符合预期：提前将S3类的滤波返回值拆解为和原日期一一对应的平直数据框，unnest后不会出现多层嵌套的冗余结构
• 管线逻辑更简洁：将拆分转换、滤波、结果拆解的逻辑收敛到单个操作节点，减少不必要的跨列引用步骤

内容的提问来源于stack exchange，提问作者AlSub