当我使用 plyr 和 dplyr 分析按 ID 分组的大规模数据集时,有时我的函数会出现错误。我可以使用 browser() 或 debugger() 探索问题所在,但一个问题是我不知道问题是出现在第一个 ID 还是第100个 ID 上。我可以使用调试器让程序停止在错误处,但是否有一种简单方法可以查看哪个 ID 导致了问题,而不仅仅是为了调试目的将 ID 包含为函数输入?下面的示例说明这个问题。
meanerr = function(y) {
m = mean(y)
stopifnot(!is.na(m))
return(m)
}
d = data.frame(id=c(1,1,1,1,2,2),y=c(1,2,3,4,5,NA))
dsumm = ddply(d,"id",summarise,mean=meanerr(y))
当然,这会导致下面的错误,当我查看转储时,我不知道该看哪里(见下文)。
> options(error=dump.frames)
> source('~/svn/pgm/test_debug_ddply.R')
Error: !is.na(m) is not TRUE
> debugger()
Message: Error: !is.na(m) is not TRUE
Available environments had calls:
1: source("~/svn/pgm/test_debug_ddply.R")
2: withVisible(eval(ei, envir))
3: eval(ei, envir)
4: eval(expr, envir, enclos)
5: test_debug_ddply.R#9: ddply(d, "id", summarise, mean = meanerr(y))
6: ldply(.data = pieces, .fun = .fun, ..., .progress = .progress, .inform = .inform, .parallel = .
7: llply(.data = .data, .fun = .fun, ..., .progress = .progress, .inform = .inform, .parallel = .p
8: loop_apply(n, do.ply)
9: (function (i)
{
piece <- pieces[[i]]
if (.inform) {
res <- try(.fun(piece, ...))
10: .fun(piece, ...)
11: eval(cols[[col]], .data, parent.frame())
12: eval(expr, envir, enclos)
13: meanerr(y)
14: test_debug_ddply.R#3: stopifnot(!is.na(m))
15: stop(sprintf(ngettext(length(r), "%s is not TRUE", "%s are not all TRUE"), ch), call. = FALSE,
无论如何,每次都将id作为输入包含在内以便于调试可能是最简单的方法,但我想知道是否有更加优雅的方式,专业人士使用时不需要传递额外的变量。
安迪