R 使大型数据集在包中可用，但不作为全局变量

这是我第一次尝试创建一个包，所以我猜这是一个非常基本的问题。基本上，我想从我的包中导出以下函数：

load_data <- function() {
  requireNamespace(XML, quietly = TRUE)
  xmlfile <- XML::xmlParse("//server/folder/file.xml")
  ps <<- XML::xmlToDataFrame(xmlfile, stringsAsFactors = TRUE)
}

find_record <- function(search_string) {
  return(ps$Var1[ps$Var2 == search_string])
}

delete_record <- function(search_string) {
  ps <<- ps[ps$Var2 != search_string, ]
  return(TRUE)
}

---

如果数据文件足够小，可以存储在包中，则加载数据

加载函数表明，尽管原始数据文件是XML，但可以将其转换为数据帧。因此，转换为数据帧，然后将其保存为包的数据目录中的RData文件

如果数据集太大，无法在本地存储，并且它是一个私有包

您的问题标题暗示这是一个大数据集，原始数据驻留在服务器上。在这种情况下，最好将数据存储在数据库中，并在函数中使用R的数据库访问功能

如果数据集太大，无法在本地存储，并且是公共包

---

我怀疑这超出了问题的范围，但是有大量的R包通过某种web API提供对在线数据库的访问。

也许内部数据部分会有所帮助…？谢谢joran，这告诉我如何在Rda文件中保存内部数据，但如何在find_record函数中访问该内部数据？我是否需要在每个函数中都使用load（）命令来加载数据？老实说，我不确定，我自己从来没有这样做过。不过这并不难尝试…谢谢Richie，我想选择选项1（将RData文件存储在包中），但我希望data.frame在内存中，这样当包的用户调用find_record或delete_record函数时，他们就不必去磁盘重新加载整个数据集。基本上，我想我希望data.frame是一个全局变量，但只在包中。可以这样做吗？存储在

data

目录中的数据集对于包来说是“全局的”，但它们被设计为只读的。您可以更改它们，但您将更改副本，因此您必须决定删除记录后会发生什么。例如，如果覆盖RData文件，那么是否在用户安装的包副本中覆盖它？或者您想要一种机制来删除每个人的记录？在这种情况下，将数据存储在包中是错误的做法。