没有结果时如何将 NA 放入 For 循环的存储列表中

Question

我创建了一个 For 循环来对许多变量应用不同的模型：

my_data <- read.xlsx("phyla.xlsx")
start_variables <- 6
variables <- variable.names(my_data)
variables <- variables[-c(1:(start_variables-1))]

#make a list of data frame for each variable
DF.ls <- list()
for (i in start_variables:length(my_data)){
 DF.ls[[i]] <- data.frame(Sample_ID=my_data$Sample_ID,Genotype=my_data$Genotype, 
               Substrate=my_data$Substrate, y=my_data[[i]])
}
DF.ls <- DF.ls[-1]; DF.ls <- DF.ls[-1]; DF.ls <- DF.ls[-1]; DF.ls <- DF.ls[-1]; DF.ls <- DF.ls[-1]

#model1
model1.ls <- list()
for (i in 1:length(DF.ls)){
 model1.ls[[i]] <- gls(y~Substrate+Genotype+Substrate:Genotype, data=DF.ls[[i]])
}
AIC_model1_ls <- list()
for (i in 1:length(model1.ls)){
 AIC_model1_ls[[i]] <- AIC(summary(model1.ls[[i]]))
}
AIC_model1 = unlist(AIC_model1_ls)
AIC_model1 = rbind(AIC_model1)

#model2
model2.ls <- list()
for (i in 1:length(DF.ls)){
 model2.ls[[i]] <- gls(y~Substrate+Genotype+Substrate:Genotype, weights=varIdent(form=~1|Substrate), data=DF.ls[[i]])
}
AIC_model2_ls <- list()
for (i in 1:length(model2.ls)){
AIC_model2_ls[[i]] <- AIC(summary(model2.ls[[i]]))
}
AIC_model2 = unlist(AIC_model2_ls)
AIC_model2 = rbind(AIC_model2)

这可能不是最好的方法，但它工作得很好，除非有一些零处理。

所以我的问题是我有这个错误，当有零时发生：

gls 中的错误（y ~ Substrate + Genotype + Substrate:Genotype, weights = varIdent(form = ~1 | : 错误收敛 (8)

我希望我的 For 循环在发生此错误时将 NA 放入我的列表中，而不是什么都没有。我该怎么做？

Answer 1

您可以使用try 函数。这将在不停止程序的情况下捕获错误。这是一个示例，因为您没有提供可重现的示例：

# This model will fail since we have not assigned values to x and y
model <- try(lm(x ~ y), silent = TRUE)

# However check the output
model

> model
[1] "Error in eval(predvars, data, env) : object 'x' not found\n"
attr(,"class")
[1] "try-error"
attr(,"condition")
<simpleError in eval(predvars, data, env): object 'x' not found>

如果你通过了一些有效的尝试，你会看到你会得到正确的结果

model <- try(lm(wt~ mpg, data = mtcars))

model

> model

Call:
lm(formula = wt ~ mpg, data = mtcars)

Coefficients:
(Intercept)          mpg  
     6.0473      -0.1409  

因此，考虑到这一点，您可以扩充您的代码以执行以下操作：

fit <- try(gls(y~Substrate+Genotype+Substrate:Genotype, weights=varIdent(form=~1|Substrate), data=DF.ls[[i]]), silent = TRUE)

if(class(fit)=="try-error"){
  model1.ls[[i]] <- NA
} else {
  model1.ls[[i]] <- fit
}