R包未加载“导入”包
我正在开发一个包,它的功能依赖于许多其他包中的R包未加载“导入”包,r,dplyr,r-package,roxygen2,magrittr,R,Dplyr,R Package,Roxygen2,Magrittr,我正在开发一个包,它的功能依赖于许多其他包中的dplyr。正如H.Wickham在他的R软件包书中所建议的那样,我将所有必要的软件包都包含在导入的描述文件中 Imports: apaTables, data.table, dplyr, magrittr, plyr, rlang, sjstats, stats 然后在函数体中使用namespace(这里不需要函数的细节;我想强调的是,我使用的是Hadley在其书中推荐的packagename::fun()格式):
dplyr
。正如H.Wickham在他的R软件包书中所建议的那样,我将所有必要的软件包都包含在导入
的描述
文件中
Imports:
apaTables,
data.table,
dplyr,
magrittr,
plyr,
rlang,
sjstats,
stats
然后在函数体中使用namespace
(这里不需要函数的细节;我想强调的是,我使用的是Hadley在其书中推荐的packagename::fun()
格式):
我做错了什么
如果你需要更多的细节,
GitHub存储库:
有关职能:
描述文件:总结结束时,这里有几个问题:
- 使用
是一个不错的选择,但对操作员来说效果不好。尤其是对于管道(packagename::fun()
),使用例如函数来代替会破坏它的用途%%>%%
标记优于@importFrom
,因为这更为狭窄和明确。调用@import
时,这两项都会影响命名空间文件。但是请注意,roxygen不会干扰用户定义的命名空间文件,因为通常情况下,人们宁愿自己手动处理(例如,当包提供S3类和/或方法时),然后需要撤消roxygen的覆盖。删除现有名称空间文件将允许roxygen重新创建它。Roxygen通常会在名称空间文件中添加一行,以识别是否应更新该文件: #由roxygen2生成:请勿手动编辑roxygen2::roxygenize()
- 描述文件中的依赖项既没有被roxygen修改,也没有被roxygen添加到名称空间中(请注意,这将导致完整的包导入,我们宁愿通过
来避免)。需要手动处理描述文件,确保导入:部分涵盖通过命名空间使用的所有包,即通过@importFrom
和@import
,以及通过@importFrom
packagename::fun()
%%>%
。我建议为这个特定的应用程序添加@importFrom标记case@RolandASc将magrittr
添加到Description
文件中的Imports
,不应该自动解决这个问题吗?无论如何,我确实向函数添加了#'@importFrom magrittr%>%
调用,但仍然得到相同的错误。只有在调用库(dplyr)
时,错误才会消失,但对于包中的R脚本中的函数来说,这是一个很大的禁忌。所以我不确定该怎么做才能消除这个错误。Roxygen与描述文件没有太多交互。要将导入导入到名称空间中,需要将它们放在标记中的某个位置。添加“导入自”后是否重新运行了“roxygenize()”?请注意,“dplyr”中也存在管道,因此,如果这是您从“magrittr”中想要的,您甚至可以丢弃该包装,嗯,我不知道!好的,现在发生的事情如下:如果我在Rstudio
和roxygenize()
中打开有问题的R包项目,该函数就会工作。但是,如果我退出并重新进入项目,然后使用包中的函数而不首先运行roxygenize()
,则会再次出现相同的错误。我猜我缺少了一些关于roxygen2
应该如何在包环境中运行的关键功能。结果证明这就是问题所在:默认情况下创建的命名空间文件不包含由roxygen2
创建的任何内容,需要删除并重新创建。不知道为什么会这样,但当我这样做的时候,事情又开始起作用了。
#'
#' @title Confidence intervals for Partial Eta Squared
#' @name partialeta_sq_ci
#' @author Indrajeet Patil
#'
#' @param lm_object stats::lm linear model object
#' @param conf.level Level of confidence for the confidence interval
#' @importFrom magrittr %>%
#' @export
partialeta_sq_ci <- function(lm_object, conf.level = 0.95) {
# get the linear model object and turn it into a matrix and turn row names into a variable called "effect"
# compute partial eta-squared for each effect
# add additional columns containing data and formula that was used to create these effects
x <-
dplyr::left_join(
# details from the anova results
x = data.table::setDT(x = as.data.frame(as.matrix(
stats::anova(object = lm_object)
)),
keep.rownames = "effect"),
# other information about the results (data and formula used, etc.)
y = data.table::setDT(x = as.data.frame(
cbind(
"effsize" = sjstats::eta_sq(
model = stats::anova(object = lm_object),
partial = TRUE
),
"data" = as.character(lm_object$call[3]),
"formula" = as.character(lm_object$call[2])
)
),
keep.rownames = "effect"),
# merge the two preceding pieces of information by the common element of Effect
by = "effect"
)
# create a new column for residual degrees of freedom
x$df2 <- x$Df[x$effect == "Residuals"]
# remove sum of squares columns since they will not be useful
x <-
x %>%
dplyr::select(.data = .,
-c(base::grep(pattern = "Sq", x = names(x))))
# remove NAs, which would remove the row containing Residuals (redundant at this point)
x <- na.omit(x)
# rename to something more meaningful and tidy
x <- plyr::rename(x = x,
replace = c("Df" = "df1",
"F value" = "F.value"))
# rearrange the columns
x <-
x[, c("F.value",
"df1",
"df2",
"effect",
"effsize",
"Pr(>F)",
"data",
"formula")]
# convert the effect into a factor
x$effect <- as.factor(x$effect)
# for each type of effect, compute partial eta-squared confidence intervals, which would return a list
ci_df <-
plyr::dlply(
.data = x,
.variables = .(effect),
.fun = function(data)
apaTables::get.ci.partial.eta.squared(
F.value = data$F.value,
df1 = data$df1,
df2 = data$df2,
conf.level = conf.level
)
)
# get elements from the effect size confidence intervals list into a neat dataframe
ci_df <-
plyr::ldply(
.data = ci_df,
.fun = function(x)
cbind("LL" = x[[1]],
"UL" = x[[2]])
)
# merge the dataframe containing effect sizes with the dataframe containing rest of the information
effsize_ci <- base::merge(x = x,
y = ci_df,
by = "effect")
# returning the final dataframe
return(effsize_ci)
}
Error in x %>% dplyr::select(.data = ., -c(base::grep(pattern = "Sq", :
could not find function "%>%"