googleAnalyticsR::google_analytics() в описанном примере не вернет значения при котором length > 0 и с этим нельзя будет работать
Ну и надо отметить, что конечное решение было другим  if (length(data) == 0 ) {next}

решения равнозначные.  nrow не лучше решит проблему чем length

> NROW(NULL)
[1] 0
> NROW(list())
[1] 0

NROW довольно всеядна, при этом поркывает кейс и данных с 0-столбцов и с 0-колонок.
При работе со сторонним API можно ожидать разных странностей и лучше перестраховаться от ситуаций, когда JSON-парсер может вернуть разные по структуре и типам данные.

ок. я понял в чем беда.
в чем разнице NROW и nrow

в чем кстати она

nrow вернет logical(0)
NROW вернет TRUE

непопулярное мнение: {vctrs}::vec_size

Похож на аналог length.

Это аналог length в том смысле что он ведет себя почти предсказуемо для любых типов.
С точки зрения {vctrs}, дата фрейм это не список размера ncol, а коллекция однострочных фреймов размера nrow, поэтому условно {vctrs}::vec_size(mtcars) == nrow(mtcars), и vec_size(mtcars$hp) == length(mtcars$hp).

Интересная подробность.

На мой взгляд {vctrs} очень крутая и нужная вещь для языка (и для пакетов) в целом, но это все почти tidyverse, и не все любят tidyverse

Это больше похоже на аналог NROW. То есть даже в вашем описании это полная копия NROW.

Интересно, как vec_size с матрицами ведёт

Сам по себе vctrs не имеет зависимостей, кроме rlang вроде бы, то есть вполне может использоваться нелюбителями tidyverse вроде меня. Но пока не встретил кейсов, где этот пакет реально бы пригодился.

Нет, всё таки напихали туда:

Imports:   ellipsis (≥ 0.2.0), digest, glue, rlang (≥ 0.4.5)

помоему там еще {glue} и {digest}.
Я с помощью него экспериментировал с созданием новых векторных типов, которые бесшовно интегрируются потом во всю tidy-кухню.
{vctrs} позволяет создавать типы с точки зрения software engineer а не statistician, на мой субъективный взгляд.

```{vctrs} позволяет создавать типы с точки зрения software engineer а не statistician, на мой субъективный взгляд.```
Что имеется в виду здесь?

Да, точно как NROW

Я пришел в R с энтерпрайз-языков, и для меня R полон всяких костылей и нестыковок, которые наверно удобны для статистика/математика, но для обычного девелопера это сомнительно. Например, {vctrs} экспортирует свой vec_c, который корректно склеивает любые коллекции, учитывая их тип.
Если ваш кастомный тип реализует определенный набор {vctrs} - метдов, он легко интегрируется во всю инфраструктуру.
Ближайший пример - до R 4.0 конкатенация двух факторов приводила хрен пойми к чему. vec_c делает все корректно.

Есть vec_ptype2, позволяющий найти общий тип для двух объектов, vec_cast,  который приведет один тип к другому если это разрешено, а не просто срежет атрибуты или еще чего.