SAS转R时for循环报错：索引循环问题排查求助

报错信息 #

"Error in for (. in i) seq_len(NBR_LIGNES_MAX) : 4 arguments passed to 'for' which requires 3"

问题背景 #

将SAS程序转换为R程序时，因受SAS编程习惯影响，在for循环和数组操作部分出现逻辑偏差。数据包含1个ID字段、5个status字段及对应的5个date字段，初始为长格式：

ID           status     date
125521   1            2020-01-01
125521   5            2022-05-06
125521   4            2025-10-07
999125   1            2020-02-02
999125   4            2021-11-02
888525   1            2021-03-30

转置为宽格式后：

ID          status1 status2 status3  date1             date2             date3
125521  1          5           4            2020-01-01   2022-05-06   2025-10-07
999125  1          4           .            2020-02-02   2021-11-02   .  
888525  1          .            .           2021-03-30    .                    .

目标是将日期与DT_DEB（2025-04-01）/DT_FIN（2025-04-30）对比，获取每个ID的最后一个符合条件的status及上一个status，以及对应日期。例如ID=125521的期望结果：

ID          status1 status2 status3  date1             date2          date3           DERN_STATUT  DERN_DT_EFF  AV_DERN_STATUT  AV_DERN_DT_EFF  
125521  1          5           4            2020-01-01  2022-05-06  2025-10-07  5  2022-05-06  1  2020-01-01

错误的R代码及对应SAS代码 #

错误R代码 #

NBR_LIGNES_MAX <- 5
DT_DEB <- as.Date("2025-04-01")
DT_FIN <- as.Date("2025-04-30")

TR_HISTO_STATUT3 <- TR_HISTO_STATUT %>%
  rowwise() %>%    
    for (i in seq_len(NBR_LIGNES_MAX)) {
      for (j in seq((i + 1), (NBR_LIGNES_MAX - 1))) {
        if (!is.na(DT_EFF_vec[i]) && DT_EFF_vec[i] < DT_DEB && is.na(DT_EFF_vec[j])) {
          DERN_STATUT <- TR_HISTO_STATUT[,i]
          DERN_DT_EFF <- TR_HISTO_STATUT[,i + NBR_LIGNES_MAX]
          if (i > 1) {
            AV_DERN_STATUT <- TR_HISTO_STATUT[, i - 1]
            AV_DERN_DT_EFF <- TR_HISTO_STATUT[, i - 1 + NBR_LIGNES_MAX]
            break
          }
          code <- 1
        } 
      }
    }
    
    row$code <- code
    row$DERN_STATUT <- DERN_STATUT
    row$DERN_DT_EFF <- DERN_DT_EFF
    row$AV_DERN_STATUT <- AV_DERN_STATUT
    row$AV_DERN_DT_EFF <- AV_DERN_DT_EFF
    
    row
  }) %>%
  ungroup()

对应SAS代码 #

data TR_HISTO_STATUT3;
 format DERN_DT_EFF AV_DERN_DT_EFF YYMMDD10.;
 retain CODE DERN_STATUT DERN_DT_EFF;
 set TR_HISTO_STATUT;
 
 array tvar_statut[&NBR_LIGNES_MAX]     statut1-statut&NBR_LIGNES_MAX;
 array tvar_DT_EFF[&NBR_LIGNES_MAX]     DT_EFF1-DT_EFF&NBR_LIGNES_MAX; 
 
 code = 0;
 
 do i = 1 to &NBR_LIGNES_MAX;
    do j = i+1 to &NBR_LIGNES_MAX-1;
 
        if tvar_DT_EFF[i] NE . and tvar_DT_EFF[i] < &DT_DEB and tvar_DT_EFF[j] = . then do;
           DERN_STATUT = tvar_statut[i];
           DERN_DT_EFF = tvar_DT_EFF[i];
           if i > 1 then AV_DERN_STATUT = tvar_statut[i-1];
           if i > 1 then AV_DERN_DT_EFF = tvar_DT_EFF[i-1];
           code = 1;
        end;
        
      end;
 end;
run;

问题分析及解决方法 #

报错原因 #

1. dplyr管道内语法错误：rowwise()之后直接嵌套for循环不符合dplyr的语法逻辑，管道内需要使用mutate、summarise等函数，或结合自定义函数处理每行数据，不能直接插入原生for循环。
2. 数据引用错误：在rowwise环境中，直接用TR_HISTO_STATUT[,i]会引用整个数据集的列，而非当前行的对应值；且未定义DT_EFF_vec变量，导致逻辑断裂。
3. for循环语法混淆：R中for循环的正确语法是for (变量 in 序列)，写法混淆了SAS的do i=1 to n逻辑，且嵌套循环的边界设置（seq((i + 1), (NBR_LIGNES_MAX - 1))）会导致序列为空，逻辑无效。

解决方案1：使用长格式处理（推荐，符合R tidyverse风格） #

R中长格式数据更适合这类分组、筛选、排序操作，无需模仿SAS的数组逻辑：

library(dplyr)
library(tidyr)

DT_DEB <- as.Date("2025-04-01")

# 从宽格式转回长格式，保留原始宽格式字段用于最终合并
long_data <- TR_HISTO_STATUT %>%
  pivot_longer(
    cols = starts_with("status") | starts_with("date"),
    names_to = c(".value", "num"),
    names_pattern = "(status|date)(\\d+)"
  ) %>%
  filter(!is.na(date)) %>%  # 过滤空日期
  group_by(ID) %>%
  arrange(date) %>%  # 按日期排序
  filter(date < DT_DEB) %>%  # 筛选小于DT_DEB的记录
  mutate(
    is_last = row_number() == n(),  # 标记最后一条符合条件的记录
    is_prev_last = row_number() == n()-1  # 标记倒数第二条
  ) %>%
  ungroup()

# 提取最后和上一个状态的信息
last_status <- long_data %>%
  filter(is_last) %>%
  select(ID, DERN_STATUT = status, DERN_DT_EFF = date)

prev_last_status <- long_data %>%
  filter(is_prev_last) %>%
  select(ID, AV_DERN_STATUT = status, AV_DERN_DT_EFF = date)

# 合并回原始宽格式数据
TR_HISTO_STATUT3 <- TR_HISTO_STATUT %>%
  left_join(last_status, by = "ID") %>%
  left_join(prev_last_status, by = "ID") %>%
  mutate(code = ifelse(!is.na(DERN_STATUT), 1, 0))  # 设置code字段

解决方案2：模仿SAS数组逻辑（rowwise自定义函数） #

如果坚持使用宽格式，可通过自定义函数在rowwise中处理每行数据：

library(dplyr)

NBR_LIGNES_MAX <- 5
DT_DEB <- as.Date("2025-04-01")

# 自定义处理每行的函数
process_row <- function(row) {
  code <- 0
  DERN_STATUT <- NA
  DERN_DT_EFF <- NA
  AV_DERN_STATUT <- NA
  AV_DERN_DT_EFF <- NA
  
  # 获取当前行的status和date列
  statut_vec <- unlist(row[, paste0("status", 1:NBR_LIGNES_MAX)])
  dt_eff_vec <- unlist(row[, paste0("date", 1:NBR_LIGNES_MAX)])
  
  for (i in 1:NBR_LIGNES_MAX) {
    # 检查当前日期是否有效且小于DT_DEB，且后续所有日期为空
    if (!is.na(dt_eff_vec[i]) && dt_eff_vec[i] < DT_DEB) {
      next_dates <- dt_eff_vec[(i+1):NBR_LIGNES_MAX]
      if (all(is.na(next_dates))) {
        DERN_STATUT <- statut_vec[i]
        DERN_DT_EFF <- dt_eff_vec[i]
        if (i > 1) {
          AV_DERN_STATUT <- statut_vec[i-1]
          AV_DERN_DT_EFF <- dt_eff_vec[i-1]
        }
        code <- 1
        break  # 找到后退出循环
      }
    }
  }
  
  row$code <- code
  row$DERN_STATUT <- DERN_STATUT
  row$DERN_DT_EFF <- DERN_DT_EFF
  row$AV_DERN_STATUT <- AV_DERN_STATUT
  row$AV_DERN_DT_EFF <- AV_DERN_DT_EFF
  
  return(row)
}

# 应用函数处理每行
TR_HISTO_STATUT3 <- TR_HISTO_STATUT %>%
  rowwise() %>%
  do(process_row(.)) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者Simon O.