Nano Hash - криптовалюты, майнинг, программирование

RStudio: использование разных версий пакетов для каждого .Rproj

У меня есть несколько старых проектов R, с которыми я работаю, и они зависят от нескольких устаревших (или сильно модифицированных) пакетов. Чтобы все работало гладко, я использую более старые версии этих пакетов, которые я сохранил в другой папке и загружаю вручную в %userprofile%\documents\R\win-library\3.3 при необходимости. Однако это не удобно, особенно если я хочу одновременно запускать несколько проектов, некоторые из которых требуют новых и обновленных версий пакетов.

Мой вопрос - есть ли способ указать для каждого .Rproj пользовательские каталоги, из которых он будет брать и загружать библиотеки?

rstudio r
25.09.2016

  • вы смотрели пакет packrat ... ? 26.09.2016

Ответы:


1

Вы можете решить это гораздо проще:

  1. Имейте каталог верхнего уровня для каждого проекта, вызывайте projA, projB,...
  2. Внутри каждого из них создайте каталог libs/, скажем.
  3. И в каждом из этих каталогов есть файл .Rprofile с одним назначением, например .libPaths("./libs")

Теперь, когда вы запускаете R в разных каталогах проектов, каждый из них будет иметь отдельный каталог библиотеки, предшествующий пути, что позволит вам размещать там переопределения для каждого проекта.

Вкратце, описанный здесь подход позволяет вам хранить локальные и модифицированные пакеты по своему усмотрению. (Вы даже можете назначить общие каталоги через .libPaths(), если хотите.)

Хорошие вещи в том, что это будет

  1. работать с любым вызовом R, пакетным или графическим интерфейсом, RStudio или блестящим или...
  2. не зависит ни от каких других инструментов, и, следовательно,
  3. не зависит от файлов RStudio или .Rprof, хотя вы также можете свободно использовать RStudio.

Как это часто бывает, Base R к вашим услугам.

25.09.2016

2

Один из вариантов — использовать пакет checkpoint от Revolution Analytics.

Вы можете указать для каждого основного файла R в проекте дату, для которой вы хотите загрузить набор пакетов. Подробнее об этом можно прочитать здесь. .

введите здесь описание изображения

Чтобы получить с зеркала пакеты с моментальными снимками за определенную дату, используйте getValidSnapshots(mranRootUrl = mranUrl()).

Чтобы создать контрольную точку:

# Create temporary project and set working directory

example_project <- paste0("~/checkpoint_example_project_", Sys.Date())

dir.create(example_project, recursive = TRUE)
oldwd <- setwd(example_project)


# Write dummy code file to project

cat("library(MASS)", "library(foreach)",
    sep="\n",
    file="checkpoint_example_code.R")

# Create a checkpoint by specifying a snapshot date

library(checkpoint)
checkpoint("2014-09-17")

# Check that CRAN mirror is set to MRAN snapshot
getOption("repos")

# Check that library path is set to ~/.checkpoint
.libPaths()

# Check which packages are installed in checkpoint library
installed.packages()

# cleanup
unlink(example_project, recursive = TRUE)
setwd(oldwd)
25.09.2016
  • это полезно, но может быть проблематично, если ОП хочет использовать смесь современных и устаревших пакетов... 26.09.2016
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..