使用RI時(shí)，經(jīng)常出現(xiàn)錯(cuò)誤消息“下標(biāo)超出范圍”。例如：# Load necessary libraries and datalibrary(igraph)library(NetData)data(kracknets, package = "NetData")# Reduce dataset to nonzero edgeskrack_full_nonzero_edges <- subset(krack_full_data_frame, (advice_tie > 0 | friendship_tie > 0 | reports_to_tie > 0))# convert to graph data farme krack_full <- graph.data.frame(krack_full_nonzero_edges) # Set vertex attributesfor (i in V(krack_full)) { for (j in names(attributes)) { krack_full <- set.vertex.attribute(krack_full, j, index=i, attributes[i+1,j]) }}# Calculate reachability for each vertixreachability <- function(g, m) { reach_mat = matrix(nrow = vcount(g), ncol = vcount(g)) for (i in 1:vcount(g)) { reach_mat[i,] = 0 this_node_reach <- subcomponent(g, (i - 1), mode = m) for (j in 1:(length(this_node_reach))) { alter = this_node_reach[j] + 1 reach_mat[i, alter] = 1 } } return(reach_mat)}reach_full_in <- reachability(krack_full, 'in')reach_full_in這將產(chǎn)生以下錯(cuò)誤Error in reach_mat[i, alter] = 1 : subscript out of bounds。但是，我的問題不是關(guān)于這段特定的代碼（即使對(duì)解決這一問題也有幫助），但是我的問題更籠統(tǒng)：下標(biāo)越界錯(cuò)誤的定義是什么？是什么原因造成的？有沒有通用的方法可以解決這種錯(cuò)誤？
3 回答
森欄
TA貢獻(xiàn)1810條經(jīng)驗(yàn) 獲得超5個(gè)贊
這是因?yàn)槟鷩L試訪問數(shù)組之外的數(shù)組。
我將向您展示如何調(diào)試此類錯(cuò)誤。
我設(shè)置 options(error=recover)
我跑reach_full_in <- reachability(krack_full, 'in') 我得到：
reach_full_in <- reachability(krack_full, 'in')
Error in reach_mat[i, alter] = 1 : subscript out of bounds
Enter a frame number, or 0 to exit
1: reachability(krack_full, "in")
輸入1，我得到
Called from: top level
我鍵入ls()以查看當(dāng)前的變量
1] "*tmp*" "alter" "g"
"i" "j" "m"
"reach_mat" "this_node_reach"
現(xiàn)在，我將看到變量的尺寸：
Browse[1]> i
[1] 1
Browse[1]> j
[1] 21
Browse[1]> alter
[1] 22
Browse[1]> dim(reach_mat)
[1] 21 21
您會(huì)看到alter已超出范圍。22> 21。在行中：
reach_mat[i, alter] = 1
為避免此類錯(cuò)誤，我個(gè)人這樣做：
嘗試使用applyxx功能。他們比for
我使用seq_along而不是1:n（1：0]
如果可以避免mat[i,j]索引訪問，請(qǐng)嘗試考慮矢量化解決方案。
編輯矢量化解決方案
例如，在這里我看到您沒有使用set.vertex.attribute向量化的事實(shí)。
您可以替換：
# Set vertex attributes
for (i in V(krack_full)) {
for (j in names(attributes)) {
krack_full <- set.vertex.attribute(krack_full, j, index=i, attributes[i+1,j])
}
}
這樣：
## set.vertex.attribute is vectorized!
## no need to loop over vertex!
for (attr in names(attributes))
krack_full <<- set.vertex.attribute(krack_full,
attr, value = attributes[,attr])
尚方寶劍之說
TA貢獻(xiàn)1788條經(jīng)驗(yàn) 獲得超4個(gè)贊
如果這對(duì)任何人有幫助，我在將purr :: map（）與我編寫的函數(shù)結(jié)合使用時(shí)會(huì)遇到以下問題：
find_nearby_shops <- function(base_account) {
states_table %>%
filter(state == base_account$state) %>%
left_join(target_locations, by = c('border_states' = 'state')) %>%
mutate(x_latitude = base_account$latitude,
x_longitude = base_account$longitude) %>%
mutate(dist_miles = geosphere::distHaversine(p1 = cbind(longitude, latitude),
p2 = cbind(x_longitude, x_latitude))/1609.344)
}
nearby_shop_numbers <- base_locations %>%
split(f = base_locations$id) %>%
purrr::map_df(find_nearby_shops)
有時(shí)我會(huì)在樣本中得到這個(gè)錯(cuò)誤，但是大多數(shù)時(shí)候我不會(huì)。問題的根源是base_locations表（PR）中的某些狀態(tài)不存在于states_table中，因此本質(zhì)上我已經(jīng)過濾掉了所有內(nèi)容，并將一個(gè)空表傳遞給mutate。 這個(gè)故事的寓意是，您可能遇到數(shù)據(jù)問題，而沒有（僅僅是）代碼問題（因此您可能需要清理數(shù)據(jù)）。
撒科打諢
TA貢獻(xiàn)1934條經(jīng)驗(yàn) 獲得超2個(gè)贊
我有時(shí)會(huì)遇到相同的問題。我只能回答你的第二個(gè)要點(diǎn)，因?yàn)槲也幌衿渌Z言那樣熟練地使用R。我發(fā)現(xiàn)標(biāo)準(zhǔn)for循環(huán)有一些意外的結(jié)果。說x = 0
for (i in 1:x) {
print(i)
}
輸出是
[1] 1
[1] 0
以python為例
for i in range(x):
print i
什么也沒做。沒有進(jìn)入循環(huán)。
我希望如果x = 0在R中不輸入該循環(huán)。但是，1:0是數(shù)字的有效范圍。除了有一個(gè)if包裝for循環(huán)的語句外，我還沒有找到一個(gè)好的解決方法
- 3 回答
- 0 關(guān)注
- 2335 瀏覽
添加回答
舉報(bào)
0/150
提交
取消