使用R包分发半实时数据集有哪些方法？

Question

我正在使用devtools构建一个供内部使用的包。我希望从文件/连接中获取数据包的负载（根据构建的日期包而不同）。数据很大，因此在打包过程中解析和加载数据需要一次性成本。

目前，我在R/下有一个data.R文件，用于将数据分配给包级变量，这些值是在包安装期间分配的（或者至少是看起来正在发生的情况）。这种不太理想的设置大多有效。为了使包的所有实例具有相同的数据，我必须使用包分发数据文件（目前在构建包之前通过帮助脚本将其复制到inst/）而不是仅仅拥有它被包装在一起。必须有更好的方法。

如：

• 在程序包构建期间生成.rda文件（但这不需要在程序包安装期间运行相同的代码）
  • 我可以使用Makefile执行此操作，但这似乎有点矫枉过正
  • 我可以使用仅在程序包构建期间运行而不是在安装期间运行的R代码吗？
• 在data/中运行R代码
  • 但是数据是使用相关包中的代码进行的。我可以使用Collate解决这个问题（我认为），但是我必须维护所有.R文件的顺序（但是由于增加了复杂性，我可能会使用Makefile？）
• 构建两个包，一个包含我想要的所有代码，一个包含数据。
• 我没有想到的明显，聪明的事情。

tl; dr：有哪些方法可以将动态变化数据的快照添加到为部署冻结的R软件包中？

Answer 1

作为@BenBolker points out in the comments above，将数据集拆分为不同的包在社区中有先例（最值得注意的是核心包datasets），并且还有其他好处。

功能与数据的分离也使得使用最新功能更容易处理数据的历史版本。

我目前有一个tools-to-munge包和一个things-to-munge包。使用帮助程序脚本，我可以构建tools-to-munge并在两个程序包的Suggests中设置Depends（或DESCRIPTION），以指向适当的程序包递增版本。在构建新的tools-to-munge包之后，我可以根据需要使用things-to-munge包中的函数构建tools-to-munge包。