lm llamado desde dentro arroja el error "0 (no NA) casos" [r]

Question

Estoy usando dlply() con una función personalizada que promedia inclinaciones de lm() se ajusta a datos que contienen algunos valores NA, y me sale el error "error en lm.fit (x, y, compensado = offset, singular.ok = singular.ok, ...): 0 casos (no-NA)"

Este error sólo ocurre cuando llamo dlply con dos variables clave, la separación por una variable funciona bien.

Annoyingly no puedo reproducir el error con un conjunto de datos simple, así que he publicado el conjunto de datos del problema en mi dropbox.

Aquí está el código, ya que reduce al mínimo posible sin dejar de producir un error:

masterData <- read.csv("http://dl.dropbox.com/u/48901983/SOquestionData.csv", na.strings="#N/A") 

workingData <- data.frame(sample = masterData$sample, 
         substrate = masterData$substrate, 
         el1 = masterData$elapsedHr1, 
         F1 = masterData$r1 - masterData$rK) 

#This function is trivial as written; in reality it takes the average of many slopes 
meanSlope <- function(df) { 
    lm1 <- lm(df$F1 ~ df$el1, na.action=na.omit) #changing to na.exclude doesn't help 
    slope1 <- lm1$coefficients[2] 
    meanSlope <- mean(c(slope1)) 
} 

lsGOOD <- dlply(workingData, .(sample), meanSlope) #works fine 

lsBAD <- dlply(workingData, .(sample, substrate), meanSlope) #throws error 

Gracias de antemano por cualquier idea.

Answer 1

Para varios de sus clasificaciones cruzadas tiene covariables que faltan:

with(masterData, table(sample, substrate, r1mis = is.na(r1))) 
# 
snipped the nonmissing reports 
, , r1mis = TRUE 

     substrate 
sample 1 2 3 4 5 6 7 8 
    3 0 0 0 0 0 0 0 0 
    4 0 0 0 0 0 0 0 0 
    5 0 0 0 0 0 0 0 0 
    6 0 0 0 0 0 0 0 0 
    7 0 0 0 0 0 0 3 3 
    8 0 0 0 0 0 0 0 3 
    9 0 0 0 0 0 0 0 3 
    10 0 0 0 0 0 0 0 3 
    11 0 0 0 0 0 0 0 3 
    12 0 0 0 0 0 0 0 3 
    13 0 0 0 0 0 0 0 3 
    14 0 0 0 0 0 0 0 3 

Esto le permitiría pasar por alto los subconjuntos con insuficiente datos en esta información en particular:

meanSlope <- function(df) { if (sum(!is.na(df$el1)) < 2) { return(NA) } else { 
    lm1 <- lm(df$F1 ~ df$el1, na.action=na.omit) #changing to na.exclude doesn't help 
    slope1 <- lm1$coefficients[2] 
    meanSlope <- mean(c(slope1)) } 
} 

Aunque depende de la falta de una covariable en particular. Una solución más robusta sería usar try para capturar errores y convertir a NA.

?try 

Answer 2

Según mi comentario:

my.func <- function(df) { 
    data.frame(el1=all(is.na(df$el1)), F1=all(is.na(df$F1))) 
} 

ddply(workingData, .(sample, substrate), my.func) 

muestra que tiene muchos conjuntos sub donde F1 y el1 son NA. (De hecho, cada vez que uno es todo na, el otro es así!)