如何在R包中排除大型测试文件且不影响devtools::check()执行？

针对你遇到的问题——测试用大型数据集不想打包进R包，但要让devtools::check()能正常运行测试，有几个实用的解决办法：

方案1：测试时自动下载数据集 #

这是最常用的方案，本地开发用本地数据，check时自动从外部源下载数据，既不增大包体积，也能让测试正常执行。

在你的测试代码（比如tests/testthat/test-large-data.R）里加入逻辑：先检查本地是否有数据文件，没有就下载，再加载运行测试。示例代码：

# 定义数据路径，用testthat的test_path获取测试目录下的路径
data_path <- testthat::test_path("large_dataset.RData")

# 如果文件不存在（比如check的临时环境里），就下载
if (!file.exists(data_path)) {
  download.file(
    url = "你存放数据的公开地址（比如GitHub Release、OSF等）",
    destfile = data_path,
    mode = "wb"  # 二进制文件用mode="wb"
  )
}

# 加载数据并执行测试
load(data_path)
test_that("大数据集相关功能正常", {
  # 你的测试逻辑
  expect_true(your_function(large_data))
})

把大型数据集放在本地的tests/testthat/目录下，同时在.Rbuildignore里添加^tests/testthat/large_dataset.RData，这样打包时会排除该文件，本地devtools::test()能直接用本地文件，devtools::check()时会自动下载数据完成测试。

方案2：跳过check时的大数据测试 #

如果大数据测试只是用于本地验证，不需要在CRAN或正式check流程中运行，可以直接在测试代码里判断环境，跳过check阶段的该测试：

test_that("大数据集功能测试", {
  # 判断是否处于devtools check环境
  if (identical(Sys.getenv("DEVTOOLS_CHECK"), "true")) {
    skip("check阶段跳过大数据测试，仅本地验证")
  }
  
  # 加载本地数据集并运行测试
  load(testthat::test_path("large_dataset.RData"))
  expect_equal(your_function(large_data), expected_result)
})

这种方法最简单，不需要额外处理数据下载，但缺点是check时不会覆盖大数据相关的测试逻辑。

方案3：用独立数据包存放大型数据 #

如果有多个大型测试数据，或者数据需要在多个项目中复用，可以把数据单独打包成一个辅助包（比如yourPackageData），然后在主包的DESCRIPTION里的Suggests字段添加这个数据包：

Suggests:
  testthat (>= 3.0.0),
  yourPackageData

测试代码里直接加载数据包的数据集：

test_that("大数据集功能正常", {
  library(yourPackageData)
  expect_true(your_function(large_dataset))
})

这种方法的好处是数据管理更规范，但需要额外维护一个数据包，适合数据量极大且长期复用的场景。

内容的提问来源于stack exchange，提问作者DyedPurple