安装期间从internet下载数据的包

是否有人知道有一个软件包在安装过程中从internet下载数据集，然后进行准备和保存，以便在使用

库（packageName）

加载软件包时可用？这种方法是否有缺点（除了明显的缺点，即如果数据源不可用或数据格式已更改，包安装将失败）

编辑：一些背景。数据是ZIP存档中三个选项卡分隔的文件，由联邦统计局所有，通常可自由访问。我有R代码，可以下载、提取和准备数据，最后创建了三个数据帧，可以以

.RData

格式保存

---

我正在考虑创建两个包：一个是提供数据的“数据”包，另一个是对其进行操作的“代码”包。

这种方法可能效率不高，但却是一种很好的解决方法。如果您正在制作一个需要定期更新数据的包，请首先制作一个包含该数据的包。它不需要任何函数，但我喜欢setter（在本例中可能不需要）的概念&getter

然后，在制作包时，将“数据”包作为依赖项。这样，每当有人安装您的软件包时，他/她将始终拥有最新的数据

就你而言，你只需交换“数据”包中的数据，并将其上传到你想要的回购协议

---

如果您不知道如何构建一个包，请检查

？packages.skeleton

和

R CMD check

，

R CMD build

，我以前在发布编辑时做过这个模型。我认为它会起作用，但没有经过测试。我对它进行了评论，以便您可以看到需要更改的内容。这里的想法是检查在当前工作环境中是否存在预期的对象。如果不是，请检查可在其中找到数据的文件是否在当前工作目录中。如果未找到该文件，则提示用户下载该文件，然后继续

myFunction <- function(this, that, dataset) {

  # We're giving the user a chance to specify the dataset.
  #   Maybe they have already downloaded it and saved it.
  if (is.null(dataset)) {

    # Check to see if the object is already in the workspace.
    # If it is not, check to see whether the .RData file that
    #   contains the object is in the current working directory.
    if (!exists("OBJECTNAME", where = 1)) {
      if (isTRUE(list.files(
        pattern = "^DATAFILE.RData$") == "DATAFILE.RData")) {
        load("DATAFILE.RData")

        # If neither of those are successful, prompt the user
        #   to download the dataset.
      } else {
        ans = readline(
          "DATAFILE.RData dataset not found in working directory.
          OBJECTNAME object not found in workspace. \n
          Download and load the dataset now? (y/n) ")
        if (ans != "y")
          return(invisible())

        # I usually use RCurl in case the URL is https
        require(RCurl)
        baseURL = c("http://some/base/url/")

        # Here, we actually download the data
        temp = getBinaryURL(paste0(baseURL, "DATAFILE.RData"))

        # Here we load the data
        load(rawConnection(temp), envir=.GlobalEnv)
        message("OBJECTNAME data downloaded from \n",
                paste0(baseURL, "DATAFILE.RData \n"), 
                "and added to your workspace\n\n")
        rm(temp, baseURL)
      }
    }
    dataset <- OBJECTNAME
  }
  TEMP <- dataset
  ## Other fun stuff with TEMP, this, and that.
}

---

myFunction为什么不想将数据包含在软件包中？@AnandaMahto:数据会定期更改，我不想每次都提交新版本的软件包。我认为从互联网下载数据而不询问用户被认为是粗鲁的。我宁愿包含一个函数
updateData（）
或
installData（）
，这样用户就可以自己决定是否或何时这样做。然后包含数据集的一些版本号。当前数据的格式是什么？一个.RData文件？CSV？HTML？此外，我同意@DanielFischer的观点，在这个过程中最好留下一些用户决策。包中的函数是否依赖于数据？@juba。。。在这一点上，我们回到重新加载。在决定是否下载之前，可能有一种聪明的方法来确定安装的版本，并将其与在线版本进行比较。也许解析包描述文件就足够了。你说的setter和getter是什么意思？这是一个来自面向对象编程的概念，其中任何外部函数都不能访问属于类的数据/变量（在我们的例子中是我们的数据包）。相反，我们编写函数来返回变量/数据的值。这样可以保护数据不受外部影响。我知道这个概念。是否可以更改已安装软件包的数据（使用您提到的setter）？可以。但只在本地进行，因此不适用于多人分发。但如果你要用它，它可能会！我明白了——我提出了一个单独的问题：我喜欢这种方法，这类似于
tikzDevice
如何缓存字体度量。是否有用户始终可写的“默认”存储？谢谢您的输入。在我看来，使用
data（）
加载数据集的标准方法允许执行自定义R脚本。正是我需要的。现在唯一悬而未决的问题是为缓存找到合适的位置。我为此提出了一个新问题：@krlmlr，我补充了一点澄清。但是，也许我不太明白你要解决的问题。谢谢。您的方法在许多情况下都是有效的，但我不想将数据推送到Github，因为我不是数据的所有者——即使数据是公开的。另外，我不想在数据更新时更新包。我相信，如果软件包从数据所有者那里下载数据，我在法律上是安全的，并且它大大减少了维护负担。我想我已经找到了我问题的答案，我接受你的回答，因为你的宝贵意见。
CheckVersionFirst <- function() {
  # Check to see if installed
  if (!"StataDCTutils" %in% installed.packages()[, 1]) {
    Checks <- "Failed"
  } else {
    # Compare version numbers
    require(RCurl)
    temp <- getURL("https://raw.github.com/mrdwab/StataDCTutils/master/DESCRIPTION")
    CurrentVersion <- gsub("^\\s|\\s$", "", 
                           gsub(".*Version:(.*)\\nDate.*", "\\1", temp))
    if (packageVersion("StataDCTutils") == CurrentVersion) {
      Checks <- "Passed"
    }
    if (packageVersion("StataDCTutils") < CurrentVersion) {
      Checks <- "Failed"
    }
  }

  switch(
    Checks,
    Passed = { message("Everything looks OK! Proceeding!") },
    Failed = {
      ans = readline(
        "'StataDCTutils is either outdated or not installed. Update now? (y/n) ")
      if (ans != "y")
        return(invisible())
      require(devtools)
      install_github("StataDCTutils", "mrdwab")
    })
# Some cool things you want to do after you are sure the data is there
}