如何定位R语言中新产生的NaN值来源？

我来帮你搞定这个tryCatch的使用问题！你现在的情况是用Total_Time函数转换字符型时间列时，TT.Col_5和TT.Col_6出现了NA，想定位这些错误的来源对吧？咱们可以通过给函数添加错误捕获，或者针对特定列做定向检查来解决。

方法1：修改Total_Time函数，加入错误捕获 #

先给你的转换函数加上tryCatch，让它在转换失败时返回包含错误信息的标记，而不是直接返回NA，这样就能一眼看出哪一行出了问题：

library(lubridate) # 记得加载lubridate包，因为用到了dmy_hms、hour等函数

Total_Time <- function(TT_column) {
  tryCatch({
    z <- dmy_hms(TT_column)
    hr <- hour(z)
    min <- minute(z)
    sec <- second(z)
    hr*60 + min + sec/60 # 转换为分钟数
  }, error = function(e) {
    # 转换失败时，返回原始值+错误信息，方便定位
    paste0("ERROR: ", TT_column, " - ", e$message)
  })
}

方法2：针对特定列（如T.Col_5）定位错误行 #

现在用修改后的函数处理T.Col_5，然后筛选出带错误标记的行：

# 处理目标列
df$TT.Col_5 <- Total_Time(df$T.Col_5)

# 筛选出所有转换失败的行
error_rows_5 <- df[grepl("ERROR:", df$TT.Col_5), ]
# 打印错误行的原始时间值和错误信息
print(error_rows_5[, c("T.Col_5", "TT.Col_5")])

这样你就能看到具体是哪些时间字符串导致了转换失败——比如可能是日期格式不对（比如出现了32号、13月），或者字符串里有其他乱码字符。

方法3：批量处理所有列，自动捕获错误 #

如果你想一次性处理所有列，同时自动输出每个列的错误情况，可以用循环来实现：

# 定义原始列和目标列的对应关系
col_mapping <- list(
  "T.Col_1" = "TT.Col_1",
  "T.Col_2" = "TT.Col_2",
  "T.Col_3" = "TT.Col_3",
  "T.Col_4" = "TT.Col_4",
  "T.Col_5" = "TT.Col_5",
  "T.Col_6" = "TT.Col_6"
)

# 循环处理每一列
for(raw_col in names(col_mapping)) {
  target_col <- col_mapping[[raw_col]]
  df[[target_col]] <- Total_Time(df[[raw_col]])
  
  # 统计当前列的错误数量
  error_count <- sum(grepl("ERROR:", df[[target_col]]))
  cat("=== 列", target_col, "错误统计 ===\n")
  cat("错误行数：", error_count, "\n")
  
  # 如果有错误，打印错误详情
  if(error_count > 0) {
    cat("错误行详情：\n")
    print(df[grepl("ERROR:", df[[target_col]]), c(raw_col, target_col)])
    cat("\n")
  }
}

补充：另一种带日志的错误捕获方式 #

如果你不想修改目标列的格式（还是希望返回NA，但记录错误），可以用全局日志向量来记录每一行的错误：

# 初始化错误日志
error_log <- character(0)

Total_Time_with_log <- function(TT_val, row_num) {
  tryCatch({
    z <- dmy_hms(TT_val)
    hour(z)*60 + minute(z) + second(z)/60
  }, error = function(e) {
    # 把错误信息写入全局日志
    error_log <<- c(error_log, paste0("行", row_num, ": 原始值【", TT_val, "】，错误原因：", e$message))
    NA_real_ # 转换失败返回NA
  })
}

# 处理T.Col_6
df$TT.Col_6 <- mapply(Total_Time_with_log, df$T.Col_6, 1:nrow(df))

# 查看完整错误日志
cat("=== T.Col_6 错误日志 ===\n")
cat(paste(error_log, collapse = "\n"), "\n")

这样你就能清晰看到每一行的错误原因，比如dmy_hms无法解析某个不符合dd/mm/yyyy hh:mm:ss格式的字符串。

内容的提问来源于stack exchange，提问作者Chris