Wirtualne środowisko w R?
Na przykład znalazłem kilka postów na temat najlepszych praktyk, odtwarzalności i przepływu pracy w R:
- Jak poprawić długoterminową powtarzalność badań (zwłaszcza w przypadku R i Sweave https://stats.stackexchange.co ... -r-an )
- Uzupełnij znaczące przykłady powtarzalnych badań przy użyciu R. https://stats.stackexchange.co ... ing-r
Jednym z głównych problemów jest zapewnienie przenośności kodu w tym sensie, że przeniesienie go na nową maszynę (prawdopodobnie z innego systemu operacyjnego) jest stosunkowo łatwe i daje takie same wyniki.
Wywodząc się z języka Python, jestem przyzwyczajony do koncepcji środowiska wirtualnego. W połączeniu z prostą listą wymaganych pakietów zapewnia to w pewnym stopniu, że zainstalowane pakiety i biblioteki są dostępne na każdym komputerze bez żadnych problemów. Oczywiście nie jest to gwarancja - różne systemy operacyjne mają swoje wady i osobliwości - ale pomoże ci to w 95%.
Czy jest coś takiego w R? Nawet jeśli nie jest to takie trudne. Na przykład, po prostu utrzymujesz prostą listę tekstową wymaganych pakietów i skrypt, który zainstaluje wszystkie brakujące?
Zaraz zacznę na poważnie używać R po raz pierwszy, prawdopodobnie w połączeniu ze Sweave, i najlepiej byłoby, gdybyś zaczął jak najlepiej! Dzięki za przemyślenia.
Nie znaleziono powiązanych wyników
Zaproszony:
Aby odpowiedzieć na pytania, Zaloguj się lub Zarejestruj się
6 odpowiedzi
Anonimowy użytkownik
Potwierdzenie od:
Przestarzała funkcja Plyushkin
>
Starsza funkcja Plyushkin to system zarządzania zależnościami dla R. Daje trzy ważne korzyści (wszystkie koncentrują się na Twoich potrzebach w zakresie przenoszenia)
Co dalej?
>
Aktualizacja:
Przestarzałą funkcją Plyushkina było
miękko usuwane
https://github.com/rstudio/packrat#note
i wymieniony
renv
https://github.com/rstudio/renv
więc możesz zamiast tego sprawdzić ten pakiet.
Anonimowy użytkownik
Potwierdzenie od:
wspiera tworzenie środowisk
https://docs.anaconda.com/anac ... guage
R .
Mam duże doświadczenie w używaniu do obsługi różnych instalacji Pythona, zarówno dla konkretnego użytkownika, jak i wielu wersji dla tego samego użytkownika. Przetestowałem R z i i działa świetnie. Przynajmniej na moje potrzeby, co obejmuje analizę sekwencjonowania RNA przy użyciu i powiązanych pakietów, a także i . Istnieje wiele pakietów bioprzewodników dostępnych w via
bioconda
https://bioconda.github.io/
i sądząc po komentarzach do
ten przypadek
https://coderoad.ru/34705917/
Tak więc wygląda na to, że również może działać.
Anonimowy użytkownik
Potwierdzenie od:
renv
https://blog.rstudio.com/2019/ ... r/... Jest dostępny w CRAN i zastępuje Packrat.
Krótko mówiąc, używasz do zainicjowania biblioteki projektu i / aby zapisać i załadować stan swojej biblioteki.
Wolę ten wariant środowiska conda r-enviroments, ponieważ wszystko jest przechowywane w pliku , który można zatwierdzić w pliku repozytorium Git i przekazać zespołowi.
Anonimowy użytkownik
Potwierdzenie od:
https://www.slideshare.net/Dav ... ction
https://www.slideshare.net/Dav ... ction
w szczególności slajd 12.
Aby zainstalować roveR, uruchom następujące polecenie w R:
Aby w pełni wykorzystać możliwości roveR (w tym zainstalować niektóre wersje pakietów w celu zapewnienia powtarzalności), będziesz potrzebować dostępu do laiR - w przypadku CRAN możesz skorzystać z naszej instancji laiR pod adresem
https://lair.ownr.io
https://lair.ownr.io, potrzebujesz licencji LaiR, aby pobierać własne pakiety i udostępniać je swojej organizacji. W powyższej prezentacji możesz skontaktować się z nami mailowo.
Anonimowy użytkownik
Potwierdzenie od:
Uwaga:
1. Anaconda już go zainstalowała
2. Załóżmy, że twój katalog roboczy to „C:”
Aby utworzyć żądane środowisko - & > „r_environment_name”
Aby zobaczyć dostępne środowiska
......
Aby aktywować środowisko
Uruchom notatnik Jupyter i pozwól imprezie się rozpocząć
W przypadku podobnych plików „Requirements.txt” może ten link pomoże - & >
czy jest coś takiego jak Requirements.txt dla R?
https://coderoad.ru/38928326/
Anonimowy użytkownik
Potwierdzenie od: