Ошибка Mapply после обновления R и tidyverse

Я работаю над кодом выборки отказа, используя несколько циклов. После обновления R и tidyverse я обнаружил, что код больше не работает, отображая следующую ошибку:

Error: Assigned data `mapply(...)` must be compatible with existing data.
i Error occurred for column `sampled`.
x Can't convert from <integer> to <logical> due to loss of precision.
* Locations: 1.
Run `rlang::last_error()` to see where the error occurred.
In addition: Warning message:
In seq.default(x, y, na.rm = TRUE) :
 extra argument ‘na.rm’ will be disregarded

Код работал ранее и связан с предыдущим вопросом, ссылка на который [здесь] [1]. Я пытался решить (избежать) проблему, используя более старые версии R (3.6) и tidyverse (1.3.0), но теперь у меня есть несколько дополнительных пакетов, которые мне нужно использовать, которые несовместимы со старыми версиями R. Я Я не собираюсь переделывать весь код и надеюсь, что потребуется всего несколько настроек, чтобы заставить его работать с более новыми версиями R и tidyverse.

Изменить Я допустил ошибку в отношении начального df ответа на этот вопрос. Столбцы ID, After_1 и After_2 должны были содержать комбинацию букв и цифр, а не только цифры. Пример df обновлен.

Вот пример модифицированного кода, который отображает те же ошибки, что и мой реальный код:

df <- dfsource
temp_df<-df #temp_pithouse_join used for dynamically created samples
temp_df$sampled <- NA #blanking out the sample column so I can check against NA for the dynamic detereminatination.
temp_df %>% mutate_if(is.factor, as.character) -> temp_df #change factors to characters

for (i in 1:100){ #determines how many iterations to run

  row_list<-as.list(1:nrow(temp_df))
  q<-0

  while(length(row_list)!=0 & q<10){
    q<-q+1 #to make sure that we don't spinning off in an infinite loop
    for(j in row_list){ #this loop replaces the check values
      skip_flag<-FALSE #initialize skip flag used to check the replacement sampling
      for(k in 4:5){ #checking the topoafter columns
        if(is.na(temp_df[j,k])){ 
          # print("NA break")
          # print(i)
          break
        } else if(is.na(as.integer(temp_df[j,k]))==FALSE) { #if it's already an integer, well, a character vector containing an integer, we already did this, next
          # print("integer next")
          next
          # print("integer next")
        } else if(temp_df[j,k]==""){ #check for blank values
          # print("empty string next")
          temp_df[j,k]<-NA #if blank value found, replace with NA
          # print("fixed blank to NA")
          next 
        }
        else if(is.na(filter(temp_df,ID==as.character(temp_df[j,k]))["sampled"])) { #if the replacement has not yet been generated, move on, but set flag to jump this to the end
          skip_flag<-TRUE
          # print("skip flag set")
        } else {
          temp_df[j,k]<-as.integer(filter(temp_df,ID==temp_df[j,k])[6]) #replacing IDs with the sampled dates of those IDs
          # print("successful check value grab")
        } #if-else
      } #k for loop
      if(skip_flag==FALSE){
        row_list<-row_list[row_list!=j]
      } else {
        next 
      }

      #sampling section
      if(skip_flag==FALSE){
        temp_df[j,6]<-mapply(function(x, y) if(any(is.na(x) || is.na(y))) NA else 
          sample(seq(x, y, na.rm = TRUE), 1), temp_df[j,"Start"], temp_df[j,"End"])
        temp_df[j,7]<-i #identifying the run number

        if(any(as.numeric(temp_df[j,4:5])>as.numeric(temp_df[j,6]),na.rm=TRUE)){
          # print(j)
          while(any(as.numeric(temp_df[j,4:5])>as.numeric(temp_df[j,6]),na.rm=TRUE)){
            temp_df[j,6]<-mapply(function(x, y) if(any(is.na(x) || is.na(y))) NA else 
              sample(seq(x, y, na.rm = TRUE), 1), temp_df[j,"Start"], temp_df[j,"End"])
          } #while 
          temp_df[j,7]=i 
        }#if
      }
    } #j for loop
  } #while loop wrapper around j loop
  if(i==1){
    df2<-temp_df
  }else{
    df2<-rbind(df2,temp_df)
  }#else

  #blank out temp_df to prepare for another run
  temp_df<-df
  temp_df$sampled <- NA 
  temp_df %>% mutate_if(is.factor, as.character) -> temp_df 

}#i for loop

А вот пример данных для использования, который я бы прочитал как dfsource:

structure(list(ID = c("A1", "A2", "A3", "A4", "A5", "A6", "A7", 
"A8", "A9", "A10", "A11", "A12", "A13", "A14", "A15", "A16", 
"A17", "A18", "A19", "A20", "A21", "A22", "A23", "A24", "A25", 
"A26", "A27", "A28", "A29", "A30"), Start = c(1, 1, 1, 1, 1, 
50, 50, 50, 50, 50, 100, 100, 100, 100, 100, 200, 200, 300, 250, 
350, 300, 300, 400, 500, 400, 400, 450, 500, 550, 500), End = c(1000, 
1000, 1000, 1000, 1000, 950, 950, 950, 950, 950, 1000, 1000, 
1000, 1000, 900, 800, 900, 750, 650, 650, 600, 850, 700, 600, 
600, 700, 550, 550, 600, 550), After_1 = c("A3", "", "", "", 
"A3", "", "", "", "", "", "", "A11", "", "A11", "", "", "", "", 
"", "", "", "A21", "", "", "", "", "", "", "", "A28"), After_2 = c("", 
"", "", "", "A2", "", "", "", "", "", "", "", "", "A12", "", 
"", "", "", "", "", "", "", "", "", "", "", "", "", "", ""), 
    sampled = c(NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, 
    NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, 
    NA, NA, NA)), class = c("spec_tbl_df", "tbl_df", "tbl", "data.frame"
), row.names = c(NA, -30L), spec = structure(list(cols = list(
    ID = structure(list(), class = c("collector_character", "collector"
    )), Start = structure(list(), class = c("collector_double", 
    "collector")), End = structure(list(), class = c("collector_double", 
    "collector")), After_1 = structure(list(), class = c("collector_character", 
    "collector")), After_2 = structure(list(), class = c("collector_character", 
    "collector")), sampled = structure(list(), class = c("collector_logical", 
    "collector"))), default = structure(list(), class = c("collector_guess", 
"collector")), skip = 1), class = "col_spec"))```





  [1]: https://stackoverflow.com/questions/58653809/sample-using-start-and-end-values-within-a-loop-in-r