r - 在安装过程中从互联网下载数据的包

Question

是否有人知道在安装过程中从 Internet 下载数据集然后准备并保存它以便在使用 library(packageName) 加载包时可用的包？ ?这种方法有什么缺点吗(除了明显的，如果数据源不可用或数据格式发生变化，包安装会失败)？

编辑 : 一些背景。数据是 ZIP 存档中的三个制表符分隔文件，归联邦统计所有，通常可免费访问。我有下载、提取和准备数据的 R 代码，最后创建了三个数据帧，可以保存在 .RData 中。格式。

我正在考虑创建两个包:一个提供数据的“数据”包，以及一个对其进行操作的“代码”包。

Answer 1

我之前做过这个模型，当你发布你的编辑时。我认为它会起作用，但没有经过测试。我已经评论了它，所以你可以看到你需要改变什么。这里的想法是检查当前工作环境中是否有预期的对象可用。如果不是，请检查可以在其中找到数据的文件是否在当前工作目录中。如果没有找到，提示用户下载文件，然后从那里继续。

myFunction <- function(this, that, dataset) {

  # We're giving the user a chance to specify the dataset.
  #   Maybe they have already downloaded it and saved it.
  if (is.null(dataset)) {

    # Check to see if the object is already in the workspace.
    # If it is not, check to see whether the .RData file that
    #   contains the object is in the current working directory.
    if (!exists("OBJECTNAME", where = 1)) {
      if (isTRUE(list.files(
        pattern = "^DATAFILE.RData$") == "DATAFILE.RData")) {
        load("DATAFILE.RData")

        # If neither of those are successful, prompt the user
        #   to download the dataset.
      } else {
        ans = readline(
          "DATAFILE.RData dataset not found in working directory.
          OBJECTNAME object not found in workspace. \n
          Download and load the dataset now? (y/n) ")
        if (ans != "y")
          return(invisible())

        # I usually use RCurl in case the URL is https
        require(RCurl)
        baseURL = c("http://some/base/url/")

        # Here, we actually download the data
        temp = getBinaryURL(paste0(baseURL, "DATAFILE.RData"))

        # Here we load the data
        load(rawConnection(temp), envir=.GlobalEnv)
        message("OBJECTNAME data downloaded from \n",
                paste0(baseURL, "DATAFILE.RData \n"), 
                "and added to your workspace\n\n")
        rm(temp, baseURL)
      }
    }
    dataset <- OBJECTNAME
  }
  TEMP <- dataset
  ## Other fun stuff with TEMP, this, and that.
}

两个包，托管在 Github

这是另一种方法，基于@juba 和我之间的评论。基本概念是，如您所描述的，拥有一个用于代码的包和一个用于数据的包。此函数将是包含您的代码的包的一部分。它会:

查看数据包是否安装

检查您安装的数据包的版本是否与 Github 上的版本匹配，我们将假设它是最新版本。

当它没有通过任何检查时，它会询问用户是否要更新他们的软件包安装。在这种情况下，为了演示，我已经链接到我在 Github 上进行中的一个包。这应该让您了解在您将它托管在那里后，您需要替换什么才能使其与您自己的包一起使用。

CheckVersionFirst <- function() {
  # Check to see if installed
  if (!"StataDCTutils" %in% installed.packages()[, 1]) {
    Checks <- "Failed"
  } else {
    # Compare version numbers
    require(RCurl)
    temp <- getURL("https://raw.github.com/mrdwab/StataDCTutils/master/DESCRIPTION")
    CurrentVersion <- gsub("^\\s|\\s$", "", 
                           gsub(".*Version:(.*)\\nDate.*", "\\1", temp))
    if (packageVersion("StataDCTutils") == CurrentVersion) {
      Checks <- "Passed"
    }
    if (packageVersion("StataDCTutils") < CurrentVersion) {
      Checks <- "Failed"
    }
  }

  switch(
    Checks,
    Passed = { message("Everything looks OK! Proceeding!") },
    Failed = {
      ans = readline(
        "'StataDCTutils is either outdated or not installed. Update now? (y/n) ")
      if (ans != "y")
        return(invisible())
      require(devtools)
      install_github("StataDCTutils", "mrdwab")
    })
# Some cool things you want to do after you are sure the data is there
}

用 CheckVersionFirst() 试试看.

Note: This would succeed only if you religiously remember to update your version number in your description file every time you push a new version of the data to Github!

因此，为了澄清/回顾/扩展，基本思想是:

定期推送你的的更新版本数据打包到Github，请务必更改的版本号数据包装在其 DESCRIPTION文件时这样做。

集成此 CheckVersionFirst()用作 .onLoad您的事件 代码包裹。 (显然修改函数以匹配您的帐户和包名称)。

更改注释行 # Some cool things you want to do after you are sure the data is there反射(reflect)你真正想做的很酷的事情，这可能以 library(YOURDATAPACKAGE) 开头加载数据....