避免每次在 knitr 中加载数据

Question

我正在使用 knitr 创建一个文档，我发现每次在开发过程中解析文档时从磁盘重新加载数据很乏味。我已经将该数据文件子集化以用于开发以缩短加载时间。我也将 knitr 缓存设置为开启。

我尝试使用<<- 将数据分配给全局环境，并将exists 与where=globalenv() 一起使用，但这不起作用。

有人知道如何在 knitr 中使用环境中的预加载数据或有其他想法来加快开发速度吗？

Answer 1

当一个文档被编织时，在 R 中创建了一个新环境，因此全局环境中的任何设置都不会传递给文档。但是，这是故意这样做的，因为在全局环境中意外引用对象很容易破坏可重现的分析，因此每次创建一个干净的会话意味着 RMarkdown 文件独立运行，而不管全局环境设置如何。

如果您确实有一个可以证明预加载数据的用例，那么您可以做一些事情。

示例数据

首先，我创建了一个名为“RenderTest.Rmd”的最小 Rmd 文件：

title: "Render"
author: "Michael Harper"
date: "7 November 2017"
output: pdf_document
---

```{r cars}
summary(cars2)
```

在此示例中，cars2 是我从全局会话中引用的一组数据。使用 RStudio 中的“Knit”命令运行它，这将返回以下错误：

摘要中的错误（汽车）：找不到对象“cars2”：... withCallignHandlers -> withVisible -> eval -> eval -> 摘要 执行停止

方案一：手动调用渲染函数

rmarkdown 中的 render 函数可以从另一个 R 脚本调用。默认情况下，这不会为脚本运行创建新环境，因此您可以使用已加载的任何参数。举个例子：

# Build file
library(rmarkdown)

cars2<- cars
render("RenderTest.Rmd")

但是，我会小心这样做。首先，使用 RMarkdown 的好处是它使脚本的重现性非常容易。一旦您开始使用外部脚本，复制起来就会变得更加复杂，因为所有设置都不包含在文件中。

选项 2：将数据保存到 R 对象

如果您有一些需要时间运行的分析，您可以将分析结果保存为 R 对象，然后您可以将数据的最终版本重新加载到会话中。使用我上面的例子：

```{r dataProcess, cache = TRUE}
cars2 <- cars
save(cars2, "carsData.RData") # saves the 'cars2' dataset
```
and then we can just reload the data into the session:

```{r}
load("carsData.RData") # reloads the 'cars2' dataset
```

我更喜欢这种技术。块dataProcess 被缓存，因此仅在对代码进行更改时运行。结果保存到文件中，然后由下一个块加载。数据仍然需要加载到会话中，但是如果您需要进行任何数据清理，可以保存最终的数据集。

选项 3：减少构建文件的频率

随着过去几年对 RStudio 的更新，不再需要不断地重新构建文件。块可以直接在文件中运行，并查看输出窗口。它可能会为您节省大量尝试优化脚本的时间，只节省几分钟的编译时间（这通常是喝一杯热饮的好时机！）。