如何忽略cor.test:“；有限观测值不足”；并在使用tidyverse和ggplot2（ggpmisc）时继续

我有以下工作玩具示例：

trunctiris <- iris [1:102,] 
analysis <- trunctiris %>%
  group_by(Species) %>%
  nest() %>%
  mutate(model = map(data, ~lm(Sepal.Length ~ Sepal.Width, data = .)),
         cor = map(data, ~tidy(cor.test(.x$Sepal.Length, .x$Sepal.Width), 3)))

stats <- analysis %>%
  unnest(cor)

ggplot(trunctiris, aes(x = Sepal.Length, y = Sepal.Width)) +
  geom_point(shape = 21) +
  geom_text(data = stats, aes(label = sprintf("r = %s", round(estimate, 3)), x = 7, y = 4)) +
  geom_text(data = stats, aes(label = sprintf("p = %s", round(p.value, 3)),  x = 7, y = 3.8)) +
  geom_smooth(method = "lm", formula = y ~ x) +
  stat_poly_eq(aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~~")),
               formula = y ~ x,
               parse = TRUE) +
  facet_wrap(~Species)

trunctiris%
嵌套（）%>%
突变（模型=图谱（数据，~lm（萼片长度~萼片宽度，数据=），
cor=map（数据，~tidy（cor.test（.x$Sepal.Length，.x$Sepal.Width），3）））
统计数据%
不耐烦（cor）
ggplot（茎干，aes（x=萼片长度，y=萼片宽度））+
几何点（形状=21）+
geom_文本（数据=统计数据，aes（标签=sprintf（“r=%s”，四舍五入（估计值，3）），x=7，y=4））+
geom_文本（数据=统计数据，aes（标签=sprintf（“p=%s”，四舍五入（p.value，3）），x=7，y=3.8））+
几何光滑（方法=“lm”，公式=y~x）+
统计多边形均衡器（aes（标签=粘贴（…均衡器标签…，…rr.标签…，sep=“~~~”）），
公式=y~x，
parse=TRUE）+
面_包装（~种）

代码是在另一个问题中提供的。然而，我无法使它与我的数据一起工作。问题是，我有一些（并非所有）组的观察值少于3，因此，在“分析”部分R返回：

mutate_impl（.data，dots）中出错：有限的观测值不足

这与团队中没有足够的观察有关（在本例中为弗吉尼亚州）。我想绕过这个问题，我尝试过“try（如果nrow（data）>=2）”或类似的方法。。例如：

analysis <- iris %>% 
group_by(Species) %>% 
nest() %>% mutate(model = map(data, ~lm (Sepal.Length ~ Sepal.Width, data = .)), 
    cor = if_else( nrow(data) <= 2 , warning ("Must have at least 3 rows of data"), 
        (map(data, ~tidy(cor.test(.x$Sepal.Length, .x$Sepal.Width), 3)))))

分析%
组别(种类)%>%
nest（）%>%突变（model=map（数据，~lm（Sepal.Length~Sepal.Width，数据=），
cor=if_else（nrow（data）
purr:：safety
或
purr:：mably
允许在
map
ping时轻松防范错误。在这种情况下，一个好的策略是在
mably
中封装对
tidy（cor.test）（…
的调用，并在发生错误时返回一个空的data.frame

library(purrr)
analysis <- trunctiris %>%
  group_by(Species) %>%
  nest() %>%
  mutate(
    model = map(data, ~lm(Sepal.Length ~ Sepal.Width, data = .)),
    cor = map(data, possibly(
      ~tidy(cor.test(.x$Sepal.Length, .x$Sepal.Width), 3), otherwise = data.frame())
    )
  )

#一个tible:2×9
物种估计统计p值参数形态低形态高
1 setosa 0.7425467.6807386.709843e-1048 0.5851391 0.8460314
2花色0.5259107 4.283887 8.771860e-05 48 0.2900175 0.7015599
#…还有两个变量：方法、备选方案

因此，给出错误的组被成功地从最终结果中删除。
我能想到的最简单的解决方案是在数据中预先检查，删除不符合此标准的组，并将结果data.frame提供给
ggplot
。
# A tibble: 3 × 4
     Species              data    model                  cor
      <fctr>            <list>   <list>               <list>
1     setosa <tibble [50 × 4]> <S3: lm> <data.frame [1 × 8]>
2 versicolor <tibble [50 × 4]> <S3: lm> <data.frame [1 × 8]>
3  virginica  <tibble [2 × 4]> <S3: lm> <data.frame [0 × 0]> #<- Note the empty df here

unnest(analysis)

# A tibble: 2 × 9
     Species  estimate statistic      p.value parameter  conf.low conf.high
      <fctr>     <dbl>     <dbl>        <dbl>     <int>     <dbl>     <dbl>
1     setosa 0.7425467  7.680738 6.709843e-10        48 0.5851391 0.8460314
2 versicolor 0.5259107  4.283887 8.771860e-05        48 0.2900175 0.7015599
# ... with 2 more variables: method <fctr>, alternative <fctr>