映射auto.arima()到子集化时间序列列表时出错的解决方法

Hey there! Let's figure out why your batch processing is failing after subsetting, and fix it with practical, efficient solutions.

首先，分析报错原因 #

那个0 (non-NA) cases错误几乎肯定是因为某个子集化后的时间序列要么全是NA值，要么所有观测值完全相同（方差为0）。虽然你单独提取序列时没碰到，但批量处理里大概率藏着一两个这样的“问题序列”，只是你还没注意到。

解决方案1：先定位问题序列 #

第一步先找出哪个序列在搞事情，这样你能针对性处理：

library(tidyverse)

# 批量检查每个子集化序列的关键指标
train_diagnostics <- train %>%
  map_dfr(~tibble(
    total_obs = length(.x),
    non_na_obs = sum(!is.na(.x)),
    variance = var(.x, na.rm = TRUE)
  ), .id = "series_id")

# 筛选出有问题的序列
problem_series <- train_diagnostics %>%
  filter(non_na_obs == 0 | (is.na(variance) | variance == 0))

print(problem_series)

运行这段代码后，你就能看到哪些序列是全NA、长度不足36，或者完全没有波动的。

解决方案2：带错误处理的批量建模 #

即使有问题序列，也不用逐个处理——我们可以用purrr的错误捕获工具让批量处理继续运行，同时记录错误：

# 用safely包装auto.arima，保留模型结果和错误信息
safe_arima <- safely(auto.arima)

# 批量处理，每个序列返回结果/错误的列表
trainingmodels <- train %>%
  map(safe_arima)

# 分离成功的模型和错误详情
working_models <- trainingmodels %>%
  map("result") %>%
  discard(is.null)

errors <- trainingmodels %>%
  map("error") %>%
  discard(is.null)

# 查看出错的序列和原因
print(errors)

这样一来，没问题的序列会正常生成模型，有问题的会返回错误信息，不会中断整个流程。

解决方案3：预处理过滤问题序列 #

如果不想保留错误记录，也可以提前把有问题的序列过滤掉，再批量建模：

# 过滤掉无效序列（非NA观测数为0或无波动）
clean_train <- train %>%
  keep(~{
    valid_obs <- sum(!is.na(.x))
    ts_variance <- var(.x, na.rm = TRUE)
    valid_obs > 0 && !is.na(ts_variance) && ts_variance > 0
  })

# 对干净的序列批量建模
trainingmodels <- clean_train %>%
  map(auto.arima)

如果某些序列是因为长度不足36（比如原序列本身就少于36个观测），可以在子集化时先做判断：

# 子集化时只保留长度≥36的序列，再取前36个
train <- original_ts_list %>%
  keep(~length(.x) >= 36) %>%
  map(~head(.x, 36))

解决方案4：带序列ID的错误捕获（方便排查） #

如果你想在处理时实时看到哪个序列出错，可以用imap结合tryCatch：

trainingmodels <- train %>%
  imap(function(ts_data, series_name) {
    tryCatch(
      expr = auto.arima(ts_data),
      error = function(e) {
        message(glue::glue("⚠️ Error in series {series_name}: {e$message}"))
        return(NULL)
      }
    )
  })

这样运行时会直接打印出错的序列名称，不用事后再查。

内容的提问来源于stack exchange，提问作者Davide Lorino