在 R 中使用内置函数时如何尝试捕获错误位置？答案

【问题标题】：How to try-and-catch error location when I use the buil-in function, in R?在 R 中使用内置函数时如何尝试捕获错误位置？
【发布时间】：2018-11-06 03:12:22
【问题描述】：

我已经在R 中编写了代码（见下文）。它在N=100 时有效。我需要运行 dist_statistic 函数N=1000 次。

在这个函数内部，隐式使用了 Cholesky 分解。对于 Cholesky 分解，矩阵必须是正定的。但是i-th 矩阵的元素是随机数。我无法控制积极性。结果我看到了错误：

# Error in chol.default(rxx) :
# the leading minor of order 4 is not positive definite

然后停止计算。

问题：如何捕捉错误位置并通过生成新的正定矩阵继续计算？

library(fungible)
n <- 4
k <- 2 
p <- n 
n1 <- 100; n2 <- 100

R1 <- matrix(c(
1.00, 0.51, 0.44, 0.22,
0.51, 1.00, 0.36, 0.21,
0.44, 0.36, 1.00, 0.26,
0.22, 0.21, 0.26, 1.00), n, n)

skew_vec = c(-0.254, -0.083, 0.443, -0.017); kurt_vec = c(6.133,   4.709, 6.619,  4.276)

dist_statistic <- function(N, n, n1, n2, R1){
Q <- c()
for(i in 1:N)
{
    X1 <- monte1(seed = i+123, nvar = n, nsub = n1, cormat = R1,
             skewvec = skew_vec,
             kurtvec = kurt_vec)$data #; X1


    R2 <- corSample(R1, n = 10000)$cor.sample

    rand_vec <- rnorm(n)

    X2 <- monte1(seed = i+321, nvar = n, nsub = n2, cormat = R2,
                 skewvec = skew_vec + rand_vec,
                 kurtvec = kurt_vec + rand_vec)$data

    G1 <- adfCor(X1);    G2 <- adfCor(X2)

    G    <- ((n1 - 1)*G1 + (n2 - 1)*G2)/(n1 + n2 - 2)
    Ginv <- MASS::ginv(G)

    # vectorization operator
    delta <- row(R1) - col(R2)
    vR1 <- as.vector(t(R1[delta > 0])); vR2 <- as.vector(t(R2[delta > 0]))

    stat  <- n1*n2/(n1 + n2) * ((vR1 - vR2) %*% Ginv) %*% (vR1 - vR2)
    Q <- c(Q, stat) 
    print(i)
 } # for_i

      Results <- list(statistic = Q, iteration = i)
    return(Results)
} # function

s <- dist_statistic(N=100, n, n1, n2, R1)

【问题讨论】：

检查this

标签： r while-loop try-catch continue

【解决方案1】：

这是一种方法。我首先将你的循环内容重写为一个函数：

my_function <- function(i) {
  X1 <- monte1(seed = i+123, nvar = n, nsub = n1, cormat = R1,
               skewvec = skew_vec,
               kurtvec = kurt_vec)$data #; X1
  R2 <- corSample(R1, n = 10000)$cor.sample
  rand_vec <- rnorm(n)
  X2 <- monte1(seed = i+321, nvar = n, nsub = n2, cormat = R2,
               skewvec = skew_vec + rand_vec,
               kurtvec = kurt_vec + rand_vec)$data
  G1 <- adfCor(X1)
  G2 <- adfCor(X2)
  G    <- ((n1 - 1)*G1 + (n2 - 1)*G2)/(n1 + n2 - 2)
  Ginv <- MASS::ginv(G)
  # vectorization operator
  delta <- row(R1) - col(R2)
  vR1 <- as.vector(t(R1[delta > 0]))
  vR2 <- as.vector(t(R2[delta > 0]))
  stat  <- n1*n2/(n1 + n2) * ((vR1 - vR2) %*% Ginv) %*% (vR1 - vR2)
  return(stat)
}

现在我们可以在tryCatch 中使用该函数：

dist_statistic <- function(N, n, n1, n2, R1){
  Q <- c()
  counter <- 1
  i <- 1
  while (counter <= N) {
    tryCatch({
      Q <- c(Q, my_function(i))
      cat(".")      
      counter <- counter + 1
    },
      error = function(e) {
        cat("*")
      },
      finally = {
        if (i %% 20 == 0) cat("\n")
        i <- i + 1
      }
  )}
  cat("\n")
  Results <- list(statistic = Q, iteration = i - 1)
  return(Results)
}

有两个计数器。 i 控制种子，而counter 确保您拥有N 中指定的有效输出数量。 cats 纯粹是为了美观，表示错误。因此

s <- dist_statistic(N=110, n, n1, n2, R1)
# ....................
# ....................
# ....................
# ....................
# ....................
# .*..*.......

str(s)
# List of 2
#  $ statistic: num [1:110] 5.91 2.59 5.49 5.01 1.65 ...
#  $ iteration: num 112

【讨论】：