tidyverse/dplyr环境中gamlss报object '.' not found错，lm/gam/glm正常

嘿，我遇到过类似的gamlss和dplyr配合的坑！来给你捋捋问题出在哪以及怎么解决～

你遇到的object '.' not found错误，本质是gamlss的公式解析机制和lm/glm/gam不一样：后三者在调用时会自动继承当前的调用环境（也就是dplyr/map迭代里的.临时数据对象），但gamlss对数据来源的要求更严格，不会自动识别.，必须你明确指定数据参数。

这里有几种靠谱的解决思路，按推荐程度排序：

1. 显式指定data = .（最直接） #

在gamlss调用里加上data = .，明确告诉它用当前迭代的分组数据：

library(tidyverse)
library(gamlss)

# 先构造你的嵌套分组数据（示例用mtcars）
mtcars %>%
  group_by(cyl) %>%
  nest() %>%
  # 关键是在gamlss里加上data = .
  mutate(model = map(data, ~gamlss(mpg ~ wt, data = ., family = NO)))

2. 改用完整匿名函数替代公式简写 #

如果公式简写的环境继承还是有问题，换成更明确的匿名函数写法，直接把数据参数传递给gamlss：

mtcars %>%
  group_by(cyl) %>%
  nest() %>%
  mutate(model = map(data, function(dat) {
    gamlss(mpg ~ wt, data = dat, family = NO)
  }))

这种写法完全避开了公式简写的环境歧义，稳定性更高。

3. 排查变量与环境冲突 #

偶尔也可能是全局环境里有重名变量干扰，导致gamlss没找到分组数据里的变量。这时候可以检查公式里的变量是否都在嵌套的data对象中，或者暂时清空全局环境的同名变量测试。

lm系列（包括gam）的公式解析器会自动在调用环境中查找数据，当你用~lm(mpg~wt)时，它会默认从.这个临时环境里取数据；但gamlss的设计逻辑更偏向于必须显式声明数据源，所以不写data = .的话，它就找不到.对象了。

内容的提问来源于stack exchange，提问作者Hedgehog