r - 跟踪 dplyr 链中哪个组失败

Question

使用 group_by 时如何找出哪个组失败了在 dplyr类型链。举个例子:

library(dplyr)

data(iris)

iris %>%
  group_by(Species) %>%
  do(mod=lm(Petal.Length ~ Petal.Width, data = .)) %>%
  mutate(Slope = summary(mod)$coeff[2]) 

工作正常。现在，如果我将一些问题数据添加到 iris :

iris$Petal.Width[iris$Species=="versicolor"]= NA

这样在尝试运行线性模型时失败:

iris_sub <- iris[iris$Species=="versicolor",]
lm(Petal.Length ~ Petal.Width, data = iris_sub)

但是，如果我运行这个，我正在用大量数据集接近这个盲点:

iris %>%
  group_by(Species) %>%
  do(mod=lm(Petal.Length ~ Petal.Width, data = .)) %>%
  mutate(Slope = summary(mod)$coeff[2]) 

此错误消息无法帮助我找到模型失败的级别:

Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : 0 (non-NA) cases

我可以使用如下所示的循环。这至少让我知道 Species 的级别功能失败。但是，我更喜欢使用 dplyr 设置:

lmdf <- c()
for (i in unique(iris$Species)) {
  cat(i, "\n")
  u <- iris %>%
    filter(Species==i) %>%
    do(mod=lm(Petal.Length ~ Petal.Width, data = .))
  lmdf = rbind(lmdf, u)
}

关于实现这一目标的更好方法的任何建议？总而言之，我正在尝试使用 dplyr类型框架以确定功能在哪个组级别失败。
tryCatch引用解决方案 here似乎不再起作用。我收到此错误:

Error in tryCatch(lm(v3 ~ v4, df), error = if (e$message == all_na_msg) default else stop(e)) : object 'e' not found

Answer 1

使用 purrr::safely 的完整示例:
准备

library(tidyverse)
data(iris)
iris$Petal.Width[iris$Species == "versicolor"] <-  NA

安全运行模型
如果您对实际错误不感兴趣(即原因是 0 (non-NA) cases )，您可以执行以下操作:

iris %>%
  group_by(Species) %>%
  do(mod = safely(lm)(Petal.Length ~ Petal.Width, data = .)$result) %>% 
  mutate(Slope = ifelse(!is.null(mod), summary(mod)$coeff[2], NA))

我们完成了!

Source: local data frame [3 x 3]
Groups: <by row>

# A tibble: 3 × 3
     Species      mod     Slope
      <fctr>   <list>     <dbl>
1     setosa <S3: lm> 0.5464903
2 versicolor   <NULL>        NA
3  virginica <S3: lm> 0.6472593

我们可以清楚地看到哪个组失败了(因为它有 NULL 而不是模型，而它的 Slope 是未知的)。此外，我们仍然为其他组获得了正确的模型和斜率，因此我们没有浪费计算时间(在更大的数据集上运行复杂模型时，这可能非常好)。
跟踪模型和错误

step1 <- iris %>%
  group_by(Species) %>%
  do(res = safely(lm)(Petal.Length ~ Petal.Width, data = .)) %>%
  mutate(err = map(list(res), 'error'),
         mod = map(list(res), 'result'))

不幸的是，我们必须使用额外的 list在那里打电话，不完全确定为什么。或者，您可以 ungroup第一的。
要查看哪些(如果有)组出错，我们可以使用:

filter(step1, !is.null(err))

简单地拯救非错误组的结果 filter第一的:

step1 %>% 
  filter(is.null(err)) %>% 
  mutate(Slope = summary(mod)$coeff[2])

您也可以查看 broom如果要获取 tidy 链中模型的系数，请打包。