Question

我目前正在创建我的第一个R包，我对处理文本数据的方式感到困惑。我很清楚数据集必须放在./data子目录中，保存为.rda，.txt或.csv格式之一，然后可以加载data()函数。

但是，data()函数与read.table()函数相同，也就是说它读取文本文件（.txt或.csv）并将其加载到data.frame中。这不是我想要的：我只想访问我的文本文件（.txt或.csv）并使用我自己的读取函数加载它，我在包的R源代码中开发。（这是一个特殊的阅读功能，根据包的期望进行特殊检查。）

在网上阅读了大量的主题后，我发现system.file（）函数很有用，并以这种方式在我的测试文件中使用它：

current_dir=system.file(package="MYPACKAGE")
myTextFile=paste(current_dir,"/data/myTextFile.csv",sep="")
# Then I use my own function to load it:
myOwnReadingFunction(myTextFile)

这很好用，R CMD check进展顺利......直到我遵循R CMD check日志的建议：

“注意：使用R可以获得明显更好的压缩效果 CMD build --resave-data“

在R CMD build --resave-data之前选中R CMD check将.csv文件移动到.csv.bz2和.csv.xz！所以我在我的测试文件（见上文）中写的内容现在不起作用。

当然，我想我可以通过以下方式改变它：

myTextFile=paste(current_dir,"/data/myTextFile.csv.bz2",sep="")

但我真的很想知道这是否是处理R包中文本文件的好方法。这在我看来有点“棘手”。这是一个“好习惯”吗？不加载文本文件只是简单访问文本文件的另一种方法吗？有人已经有同样的情况吗？

奖金问题：为什么R CMD build --resave data对我的两个.csv文件使用相同的压缩？（即：.bz2和.xz）

Answer 1

您放置在data文件夹中的数据集将通过data()功能提供给用户，该功能旨在仅使用load()或read.table()加载数据。如果您希望在R包中包含其他非标准文件，请将它们放在inst目录中，它们将在安装后显示在包的根目录中，并可通过system.file()进行检索。

换句话说，在打包和检查之前，您的目录结构应如下所示：

MyPackage/data
MyPackage/inst/extdata   <-- Your data
MyPackage/man
MyPackage/R
...

并在安装后像这样

MyPackage/data
MyPackage/extdata   <-- Your data
MyPackage/man
MyPackage/R
...

现在可以像这样访问您的文件

system.file("extdata", "myTextFile.csv", package="MyPackage")

有关此解决方案的示例，请查看EBImage包，其中包含许多图像形式的非标准文件。与您的文本文件一样，它们无法加载data()，而是

system.file("images", "lena-color.png", package="EBImage")

用于?readImage和类似的例子中。

R包创建：对如何处理文本数据感到困惑

1 个答案: