如何构建R项目

我喜欢使用R，但与Python工作流相比，我很难获得感觉“稳定”的东西。 我的情况是：

• 我有一个git存储库，它承载一个R项目和

  renv

  环境
• 在这个存储库中，我有多个在某种程度上相互交织的分析
• 我想测试大部分功能，并且只在主分析脚本中调用测试过的功能

我知道通常的方法是R包。但是，由于

R/

中不允许有子文件夹，因此不能使用细粒度文件夹结构。 拆分存储库后，我将得到无数的小软件包、专用的R项目和

renv

环境，考虑到部分相互依赖性，这似乎是不正确的，比如我希望从任何地方都可以访问的助手函数

此外，类似于

drake

或

target

包的方法在再现性方面非常出色，但似乎适合于每个R项目的单一管道/分析

仅仅

source

到处覆盖所有内容（如这些包的示例工作流所示）是危险的，因为我希望小函数分解功能并增强可重用性，随着这些函数的增加，函数相互覆盖的可能性会增加。我可以为文件中的函数使用公共前缀，但这可能会导致名称过长，代码表达能力较差

使用

test进行测试，该测试主要针对软件包。我可以使用
test\u dir
，但这需要从shell脚本或其他东西笨拙地启动，IDE中不再支持运行单个测试

import
包解决了许多这些问题。它为您提供了一个文件作为工作区，您可以在其中定义任意数量的函数或常量，如果您从该文件导入函数，则该文件中的函数/导入函数可供该函数访问，但从外部不可用。这提供了非常整洁的封装，但这不适用于
drake
或
target
包，这些包无法检测导入函数的嵌套依赖项，从而破坏了它们的用途

所以我的问题是：你推荐什么方法来建立稍微大一点的东西？R上的所有指南都只针对非常简单的分析设置，并没有真正回答我的问题，它们很少涉及分析的可测试性或可预测行为

提前多谢

Michael
为什么不创建自己的R包呢，这会让代码变得非常复杂portable@stevec我在一开始的问题中就提到了这一点。不同分析的几个部分可能有一个函数，该函数可能需要命名为
preprocess
（或其他），这将在包中产生冲突，不是吗？如果是这样的话，与
源代码
相比，这如何保护我不受奇怪行为的影响？另外，我可能有一个分析特有的助手函数，我是否应该用很长的文件名“嵌套”这些函数，因为我不能在
R
中为每个分析创建子文件夹？如上所述，我不想用自己的存储库（？）、R项目和
renv
s来维护10个包，这也是一个部署的噩梦。为什么不创建自己的R包呢，这会让代码变得非常复杂portable@stevec我在一开始的问题中就提到了这一点。不同分析的几个部分可能有一个函数，该函数可能需要命名为
preprocess
（或其他），这将在包中产生冲突，不是吗？如果是这样的话，与
源代码
相比，这如何保护我不受奇怪行为的影响？另外，我可能有一个分析特有的助手函数，我是否应该用很长的文件名“嵌套”这些函数，因为我不能在
R
中为每个分析创建子文件夹？如前所述，我不想用10个包来维护它们自己的存储库（？）、R项目和
renv
s，这也是部署的噩梦。