如何解决在RStudio项目之间传输对象的最佳做法是什么?
我想在另一个RStudio项目中使用在一个RStudio项目中生成的R对象(例如,清除的数据)。
具体来说,我有多个RStudio项目(拥有drake
个计划),可以为我的论文实验做各种事情(例如,生成材料,导入和清除数据,生成报告/文章)。我想将在这些项目中生成的对象(主要是数据和材料)导入另一个生成论文报告的RStudio项目中。将各个实验保留为单独的项目(具有单独的git
存储库)似乎很有意义,因为它们每个都有很多组件。
此刻,我可以看到三种方法:
- 重新创建数据清理过程
- 但是:这涉及复制/粘贴,我想避免这种情况,尤其是在上游发生变化的情况下。
- 通过更改工作目录访问相关脚本/功能
- 但是:即使我使用
here
,似乎也会导致可重复性差。
- 但是:即使我使用
- 将源项目放入包中,并使我要“导出”到导出数据中的对象(按照the data section of Hadley's R packages guide)
- 但是:如果可以的话,我想避免不必要的元数据,伪像和杂音(例如,参见Miles McBain's "Project as an R package: An okay idea")。
还有其他方法吗?
解决方法
我的第一个建议是使用单个drake
计划来统一需要共享数据的整个项目的各个阶段。 drake
旨在以这种方式处理许多活动部件,并且drake
决定要向下游重新运行的内容时将更加无缝。但是,如果确实需要在共享数据的不同子项目中使用不同的计划,则可以在一个计划中将每个共享数据集作为file_out()
文件进行跟踪,而在另一个计划中使用file_in()
进行跟踪。
upstream_plan <- drake_plan(
export_file = write_csv(dataset,file_out("exported_data/dataset.csv"))
)
downstream_plan <- drake_plan(
dataset = read_csv(file_in("../upstream_project/exported_data/dataset.csv"))
)
,
您从根本上误解了麦贝恩(Miles McBain)的批评。他并不是说您不应该编写可重用的代码,也不应该使用程序包。他是说您不应该为一切使用软件包。但是可重用的代码(即您想要要重用的代码)绝对属于程序包,然后可以在多个项目中使用。
话虽如此,首先,请注意威尔的建议。
第二,您可以使RStudio项目成为可配置,这样它们就可以基于配置中给定的路径加载数据。一旦完成,就不会对配置文件中不同项目中数据的硬编码路径产生不利影响。
,我也遇到了类似的情况。我有许多项目是从一个原始数据集产生的。以前,当项目还很年轻时,我将所有这些都放在一个版本控制的项目中。随着更多子项目的产生,我的 git 历史因并行处理项目而变得混乱,这变得一发不可收拾。这可能是因为我缺乏 git 技能。我的文件夹结构如下所示:
project/.git
project/main/
project/sub-project_1/
project/sub-project_2/
project/sub-project_n/
我考虑将每个项目都放在自己的 git 分支中,但后来我无法同时访问它们。如果我必须对主数据集进行一些更改(例如,我可能没有清理某些部分),那么项目 1 可能会过时且无法正常工作。一旦我完成了项目 1,我会希望它被隔离并包含在可重复性中。如果项目是分开的,这更容易实现。我认为 drake
/targets
计划不会解决这个问题吗?
我还简要地研究了将项目作为 git 子模块,但它似乎增加了太多的复杂性。同样,我对 git 的无知可能会在这里闪耀。
我目前的解决方案是将主要数据作为 R 包,每个子项目作为单独的 git-versioned 文件夹(它们实际上也是包,但这不是必需的)。这样我就可以加载特定版本的数据(使用 renv
表示包版本)。
我的文件夹结构现在看起来像这样:
main/.git
sub-project_1/.git
sub-project_2/.git
sub-project_n/.git
在每个子项目中,我调用 library(main)
来加载清理过的数据。在每个子项目中,可以使用 drake
/targets
计划。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。