某些绘图未在Rstudio、knitr、Rmarkdown中渲染

我正在使用： Ubuntu 12.04 64位， R 3.0.2， RStudio 0.98.312， knitr 1.5， 降价0.6.3， mgcv1.7-27

我有一个包含多个代码块的Rmarkdown文档。在一个块的中间有一些代码我适合GAM，总结适合和阴谋的契合。问题是第一个绘图渲染到输出文件中，而第二个绘图没有渲染到输出文件中。以下是该区块中经过清理的代码片段：

fit <- gam(y ~ s(x), data=j0, subset= !is.na(x))
summary(fit) # look at non-missing only
plot(fit)

fit <- gam(y ~ s(sqrt(x)), data=j0, subset= !is.na(x))
summary(fit)
plot(fit)

mean(y[is.na(x)]) - mean(y[!is.na(x)])

---

您只是

attach（）

的又一受害者，尽管人们一直警告不要使用

attach（）

。使用

attach（）

很容易出错。您在

附加（j0）

后执行了此操作：

我理解您为什么要使用

attach（）

——您可以在任何地方避免使用笨拙的

j0$

前缀，但您需要非常小心。除了我提到的问题之外，

detach（）

也很糟糕，因为您没有指定要分离的环境，默认情况下，搜索路径上的第二个环境是分离的，它不一定是您附加的环境，例如，您可能已将其他包加载到搜索路径上。因此，您必须明确：

detach（'j0'）

---

回到

knitr

：如果您想知道，我可以解释发生了什么，但首先，在将代码传递给

knitr

之前，您必须确保代码实际工作。随着误差的消除，您观察到的奇怪现象也将消失。

请发布一个可复制的示例。您的问题可能是因为您设置了chunk选项

fig.keep

，但是如果没有这些信息，这纯粹是猜测。日志上怎么说？谢谢Yihui。我想我的问题更多的是关于knitr中的错误处理。您可以从我的示例中看到，我知道这个错误，并且知道在修复代码块错误时不会出现knitr问题。当由knitr执行和直接在R中执行时，相同的代码块会产生不同的输出。这使得调试R代码更加困难，并意味着一个特定的工作流（在传输到knitr之前在R中完全调试）。这表明knitr并不像理想情况下那样与执行的代码隔离。出于调试目的，您最好设置chunk选项

error=FALSE

，或者全局设置

opts_chunk$set（error=FALSE）

；然后，每当块中出现错误时，

knitr

将停止，您将能够使用诸如

traceback（）之类的常用方法调试代码
Some text.

```{r setup}
require(mgcv)

mkdata <- function(n=100) {
  x <- rnorm(n) + 5
  y <- x + 0.3 * rnorm(n)
  x[sample(ceiling(n/2), ceiling(n/10))] <- NA
  x <- x^2
  data.frame(x, y)  
} 
```

Example 1
=========

Plot 2 fails to render. (Using the same fit object for each fit.)

```{r example_1}
j0 <- mkdata()
attach(j0)
mx <- min(x, na.rm=TRUE)

fit <- gam(y ~ s(x), data=j0, subset= !is.na(x))
summary(fit)
plot(fit) # plot 1

fit <- gam(y ~ s(sqrt(x)), data=j0, subset= !is.na(x))
summary(fit)
plot(fit) #plot 2

mean(y[is.na(x)]) - mean(y[!is.na(x)]) # means calculation

# recode the missing values
j0$x.na <- is.na(x)
j0$x.c <- ifelse(x.na, mx, x) # ERROR in recode
detach()

attach(j0)
fit <- gam(y ~ s(sqrt(x.c)) + x.na, data=j0) # doesn't run because of error in recode
summary(fit) # this is actually fit 2
plot(fit) # plot 3 (this is actually fit 2)
detach()
```

Example 2
=========

Use separate fit objects for each fit. Plot 2 renders OK.

```{r example_2}
j0 <- mkdata()
attach(j0)
mx <- min(x, na.rm=TRUE)

fit1 <- gam(y ~ s(x), data=j0, subset= !is.na(x))
summary(fit1)
plot(fit1) # plot 1

fit2 <- gam(y ~ s(sqrt(x)), data=j0, subset= !is.na(x))
summary(fit2)
plot(fit2) #plot 2

mean(y[is.na(x)]) - mean(y[!is.na(x)]) # means calculation

# recode the missing values
j0$x.na <- is.na(x)
j0$x.c <- ifelse(x.na, mx, x) # ERROR in recode
detach()

attach(j0)
fit3 <- gam(y ~ s(sqrt(x.c)) + x.na, data=j0) # doesn't run because of error in recode
summary(fit3)
plot(fit3) # plot 3
detach()
```

Example 3
=========

Revert to using the same fit object for each fit. Plot 2 renders because plot 3 is commented out.

```{r example_3}
j0 <- mkdata()
attach(j0)
mx <- min(x, na.rm=TRUE)

fit <- gam(y ~ s(x), data=j0, subset= !is.na(x))
summary(fit)
plot(fit) # plot 1

fit <- gam(y ~ s(sqrt(x)), data=j0, subset= !is.na(x))
summary(fit)
plot(fit) #plot 2

mean(y[is.na(x)]) - mean(y[!is.na(x)]) # means calculation

# recode the missing values
j0$x.na <- is.na(x)
j0$x.c <- ifelse(x.na, mx, x) # ERROR in recode
detach()

attach(j0)
fit <- gam(y ~ s(sqrt(x.c)) + x.na, data=j0)
summary(fit) # this is actually fit 2
# plot(fit) # plot 3 (this is actually fit 2)
detach()
```

Example 4
=========

Plot 2 renders because later recode error is fixed.

```{r example_4}
j0 <- mkdata()
attach(j0)
mx <- min(x, na.rm=TRUE)

fit <- gam(y ~ s(x), data=j0, subset= !is.na(x))
summary(fit)
plot(fit) # plot 1

fit <- gam(y ~ s(sqrt(x)), data=j0, subset= !is.na(x))
summary(fit)
plot(fit) #plot 2

mean(y[is.na(x)]) - mean(y[!is.na(x)]) # means calculation

# recode the missing values
j0$x.na <- is.na(x)
j0$x.c <- ifelse(j0$x.na, mx, x) # error in recode fixed
detach()

attach(j0)
fit <- gam(y ~ s(sqrt(x.c)) + x.na, data=j0)
summary(fit)
plot(fit) # plot 3
detach()
```

> require(knitr); knit('reproduce.Rmd', encoding='UTF-8');
Loading required package: knitr


processing file: reproduce.Rmd
  |......                                                           |   9%
  ordinary text without R code

  |............                                                     |  18%
label: setup
  |..................                                               |  27%
  ordinary text without R code

  |........................                                         |  36%
label: example_1
  |..............................                                   |  45%
  ordinary text without R code

  |...................................                              |  55%
label: example_2
  |.........................................                        |  64%
  ordinary text without R code

  |...............................................                  |  73%
label: example_3
  |.....................................................            |  82%
  ordinary text without R code

  |...........................................................      |  91%
label: example_4
  |.................................................................| 100%
  ordinary text without R code


output file: reproduce.md

[1] "reproduce.md"

j0$x.na <- is.na(x)
j0$x.c <- ifelse(x.na, mx, x) # ERROR in recode

j0$x.c <- ifelse(j0$x.na, mx, x)