R包开发：如何提前加载内部数据并实现参考文件持久化修改？

我用devtools和roxygen2开发项目专属的数据清洗R包，遵循RStudio规范。多数函数依赖/R目录下sysdata.rda里的参考数据框，用来修正拼写和录入错误，之前引用正常且开启了懒加载。现在想开发add.alt()函数，让用户在会话中给参考文件添加新行，参考内部状态方案把数据存入新环境，但安装包时提示column_standardized不存在，推测是sysdata.rda加载晚于/R下的文件。试过把数据移到/data目录用system.file调用，仍报错。实际参考文件有300多行，无法从头重建。

参考数据示例 #

column_standardized <- data.frame(
  standard_name = c("date", "date", "time", "ID", "ID", "ID", "location", "location"),
  other_names = c("DATE", "day", "TIME", "id", "individual", "name", "LOCATION", "locale")
)

环境初始化与add.alt函数代码 #

the <- new.env(parent = emptyenv())
the$column_standardized <- column_standardized

#' Add alternative names to reference
#'
#' @param correct A character string of the standard/correct name
#' @param alt A character string of the alternative name
#' @param data_type A character string indicating which reference file to edit. Options are 'column' (and others in reality).
#'
#' @return NA; edits included reference files for current R session.
#' @export
add.alt <- function(correct, alt, data_type){
  if(data_type == "column"){
    key <- the$column_standardized
    correct_col <- "standard_name"
    alt_col <- "other_names"
  }else{print("\nData type not found. Acceptable options are 'column', etc.")}
  new_key <- data.frame(matrix(ncol = length(colnames(key)), nrow = 1))
  colnames(new_key) <- colnames(key)
  new_key[1,correct_col] <- correct
  new_key[1, alt_col] <- alt
  key <- rbind(key, new_key)
  if(data_type == "column"){
    the$column_standardized <- key
    invisible(key)
  }}

具体问题 #

1. 有没有办法让系统数据优先加载，让/R目录下的文件能引用到这些数据？不局限于内部存储（隐私优先），可以移到/data或其他位置，但最初觉得内部存储最简单。
2. 能不能实现用户对参考文件的“永久”修改？每次会话调用add.alt()也能接受，但有更好方案就最好了。

解决方案 #

问题1：确保参考数据被优先加载 #

方案1：延迟初始化环境

不在脚本顶层直接赋值the$column_standardized，改为第一次访问时从sysdata.rda加载：

the <- new.env(parent = emptyenv())

#' @importFrom utils data
.load_internal_data <- function() {
  if (!exists("column_standardized", envir = the)) {
    data("column_standardized", envir = the, package = "your_package_name")
  }
}

# 修改add.alt函数，先调用加载逻辑
add.alt <- function(correct, alt, data_type){
  .load_internal_data()
  if(data_type == "column"){
    key <- the$column_standardized
    correct_col <- "standard_name"
    alt_col <- "other_names"
  }else{message("\nData type not found. Acceptable options are 'column', etc.")}
  # 其余代码保持不变
}

第一次调用add.alt()或其他依赖函数时才加载数据，避免顶层加载顺序冲突。

方案2：从包命名空间读取/data目录数据

把column_standardized.rda放到/data目录，通过包命名空间直接获取：

the <- new.env(parent = emptyenv())

.load_data <- function() {
  if (!exists("column_standardized", envir = the)) {
    the$column_standardized <- get("column_standardized", envir = asNamespace("your_package_name"))
  }
}

这种方式无需用户手动加载数据，包内部可直接访问，解决加载顺序问题。

问题2：实现持久化修改 #

要让修改跨会话保存，需将修改后的数据写入用户本地文件，加载包时优先读取本地修改版：

步骤1：定义用户数据存储路径

.user_data_path <- function() {
  file.path(rappdirs::user_data_dir("your_package_name"), "column_standardized.rda")
}

需在DESCRIPTION中添加Imports: rappdirs，用rappdirs获取跨平台的用户数据目录。

步骤2：修改加载逻辑，优先读取本地数据

.load_internal_data <- function() {
  user_path <- .user_data_path()
  # 优先加载用户本地修改后的文件
  if (file.exists(user_path)) {
    load(user_path, envir = the)
  } else {
    # 无本地文件时加载包自带的原始数据
    data("column_standardized", envir = the, package = "your_package_name")
  }
}

步骤3：修改add.alt函数，保存修改到本地

add.alt <- function(correct, alt, data_type){
  .load_internal_data()
  if(data_type == "column"){
    key <- the$column_standardized
    correct_col <- "standard_name"
    alt_col <- "other_names"
  }else{message("\nData type not found. Acceptable options are 'column', etc."); return(invisible(NULL))}
  
  # 避免重复添加相同映射
  if (!any(key[[correct_col]] == correct & key[[alt_col]] == alt)) {
    new_key <- data.frame(
      standard_name = correct,
      other_names = alt,
      stringsAsFactors = FALSE
    )
    key <- rbind(key, new_key)
    the$column_standardized <- key
    
    # 创建用户数据目录（不存在则创建）
    dir.create(dirname(.user_data_path()), recursive = TRUE, showWarnings = FALSE)
    # 保存修改后的数据到本地
    save(column_standardized, file = .user_data_path(), envir = the)
  }
  invisible(key)
}

用户添加的新映射会保存在本地，下次启动R会话加载包时自动加载修改后的数据。

额外建议 #

• 给add.alt()添加重复检查，避免冗余数据。
• 在包的启动脚本zzz.R中调用.load_internal_data()，确保数据在包加载时就绪：

  .onLoad <- function(libname, pkgname) {
    .load_internal_data()
  }
  

• 创建数据框时添加stringsAsFactors = FALSE，避免因子类型引发的问题。
• 测试安装包时用devtools::install()代替load_all()，模拟真实安装环境的加载顺序。

内容的提问来源于stack exchange，提问作者Becca Supple