在RStudio项目之间传输对象的最佳做法是什么？

编程问答 2022-08-15

问题描述

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：

  1. 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。
  2. 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。
  3. 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）

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。

drake-r-packagerrrstudio