在许多不同的数据集上运行 R Markdown 并分别保存每个编织的 word 文档

Question

我创建了一个 R Markdown 来检查一系列数据集中的错误(例如，给定列中是否有任何空白？如果是，则打印一条声明，说明存在 NA 以及哪些行具有 NA)。我已经设置了 R Markdown 来输出 bookdown::word_document2 .我有大约 100 个数据集，我需要在这些数据集上运行相同的 R Markdown，并分别为每个数据集获取一个 word 文档输出。

有没有办法在所有数据集上运行相同的 R Markdown 并为每个数据集获取一个新的 word 文档(这样它们就不会被覆盖)？所有数据集都在同一目录中。我知道每次编织文档时输出都会被覆盖；因此，我需要能够根据数据集/文件名保存每个 word 文档。

最小示例

创建包含 3 个 .xlsx 文件的目录

library(openxlsx)

setwd("~/Desktop")
dir.create("data")

dataset <-
  structure(
    list(
      name = c("Andrew", "Max", "Sylvia", NA, "1"),
      number = c(1, 2, 2, NA, NA),
      category = c("cool", "amazing",
                   "wonderful", "okay", NA)
    ),
    class = "data.frame",
    row.names = c(NA,-5L)
  )

write.xlsx(dataset, './data/test.xlsx')
write.xlsx(dataset, './data/dataset.xlsx')
write.xlsx(dataset, './data/another.xlsx')

RMarkdown

---
title: Hello_World
author: "Somebody"
output:
  bookdown::word_document2:
    fig_caption: yes
    number_sections: FALSE

---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)

setwd("~/Desktop")

library(openxlsx)

# Load data for one .xlsx file. The other datasets are all in "/data". 
dataset <- openxlsx::read.xlsx("./data/test.xlsx")

```    

# Test for Errors

```{r test, echo=FALSE, comment=NA}

# Are there any NA values in the column?
suppressWarnings(if (TRUE %in% is.na(dataset$name)) {
  na.index <- which(is.na(dataset$name))
  cat(
    paste(
      "– There are NAs/blanks in the name column. There should be no blanks in this column. The following row numbers in this column need to be corrected:",
      paste(na.index, collapse = ', ')
    ),
    ".",
    sep = "",
    "\n",
    "\n"
  )
})

```

因此，我将使用 test.xlsx 中的第一个 .xlsx 数据集 ( /data ) 运行此 R Markdown。目录，保存word文档。然后，我想对目录中列出的每个其他数据集执行此操作(即 list.files(path = "./data") 并保存一个新的 word 文档。因此，每个 RMarkdown 中唯一会改变的是这一行:dataset <- openxlsx::read.xlsx("./data/test.xlsx")。我知道我需要设置一些参数，我可以在 rmarkdown::render 中使用这些参数，但不确定如何设置。

我查看了其他一些 SO 条目(例如 How to combine two RMarkdown (.Rmd) files into a single output? 或 Is there a way to generate a cached version of an RMarkdown document and then generate multiple outputs directly from the cache? )，但大多数关注组合 .Rmd 文件，而不是运行同一文件的不同迭代。我也看过 Passing Parameters to R Markdown .

我还尝试了来自 this 的以下内容.在这里，所有添加都添加到上面的示例 R Markdown 中。

将此添加到 YAML header :

params:
  directory:
    value: x

将此添加到 setup代码块:

# Pull in the data
dataset <- openxlsx::read.xlsx(file.path(params$directory))

然后，最后我运行以下代码来呈现文档。

rmarkdown::render(
    input  = 'Hello_World.Rmd'
    , params = list(
        directory = "./data"
    )
)

然而，我收到以下错误，尽管我在 /data 中只有 .xlsx 文件:

Quitting from lines 14-24 (Hello_World.Rmd) Error: openxlsx can onlyread .xlsx files

我也在我的完整 .Rmd 文件上尝试了这个，并得到了以下错误，尽管路径完全相同。

Quitting from lines 14-24 (Hello_World.Rmd) Error in file(con,"rb") : cannot open the connection

*注意:第 14-24 行本质上是 setup .Rmd 的部分。

我不确定我需要更改什么。我还需要使用原始文件名生成多个输出文件(例如 test.xlsx 中的“test”、another.xlsx 中的“another”等)

Answer 1

您可以在循环中调用 render 来处理作为参数传递的每个 file :

dir_in <- 'data'
dir_out <- 'result'

files <- file.path(getwd(),dir_in,list.files(dir_in))

for (file in files) {
  print(file)
  rmarkdown::render(
    input  = 'Hello_World.Rmd',
    output_file = tools::file_path_sans_ext(basename(file)),
    output_dir = dir_out,
    params = list(file = file)
  )
}

Markdown :

---
title: Hello_World
author: "Somebody"
output:
  bookdown::word_document2:
    fig_caption: yes
    number_sections: FALSE
params: 
  file: ""
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)

library(openxlsx)

# Load data for one .xlsx file. The other datasets are all in "/data". 
dataset <- openxlsx::read.xlsx(file)

```    

# Test for Errors

```{r test, echo=FALSE, comment=NA}

# Are there any NA values in the column?
suppressWarnings(if (TRUE %in% is.na(dataset$name)) {
  na.index <- which(is.na(dataset$name))
  cat(
    paste(
      "– There are NAs/blanks in the name column. There should be no blanks in this column. The following row numbers in this column need to be corrected:",
      paste(na.index, collapse = ', ')
    ),
    ".",
    sep = "",
    "\n",
    "\n"
  )
})

```