如何在不重复运行代码的情况下knit R Markdown文件

算力阿峰

2026-8-26

R Markdown 避免knit时重复运行耗时代码的实现方案

完全可以实现，核心逻辑是把数据清洗、模型训练这类高耗时步骤的输出持久化存储，knit时优先调用已存储的结果，仅在结果不存在或上游逻辑变更时才重新计算，具体可根据使用习惯选以下方案：

方案1：原生R手动存读对象（兼容性最好，无额外依赖）
所有R对象（数据框、模型输出、表格对象等）都可以用saveRDS()存为本地.rds文件，ggplot等图形对象可以用ggsave()、png()等函数存为本地图片文件。在代码块开头加文件存在性判断：如果本地已有对应结果文件就直接加载，没有才执行耗时计算逻辑。
示例代码：

# 提前创建好用于存结果的output文件夹
clean_data_path <- "output/cleaned_analysis_data.rds"
lm_model_path <- "output/fit_lm_model.rds"

# 数据处理部分
if (!file.exists(clean_data_path)) {
  # 此处放原始数据导入、清洗的耗时代码
  raw_df <- read.csv("raw/large_survey_data.csv")
  clean_df <- raw_df[!is.na(raw_df$response), ]
  saveRDS(clean_df, clean_data_path)
} else {
  clean_df <- readRDS(clean_data_path)
}

# 模型训练部分
if (!file.exists(lm_model_path)) {
  fit_model <- lm(response ~ age + gender + income, data = clean_df)
  saveRDS(fit_model, lm_model_path)
} else {
  fit_model <- readRDS(lm_model_path)
}

如果修改了数据处理或模型代码，只要删掉对应的.rds文件，下次运行就会自动重新计算生成新结果，不会误用旧缓存。

方案2：R Markdown自带缓存功能（操作最简便，无需手动写存读逻辑）
给耗时的代码块添加cache=TRUE的块选项，knit时会自动将该块的所有运行结果存在本地缓存目录中，下次knit如果检测到该块代码没有修改，就直接调用缓存结果，不会重复执行。
常用块参数配置：
```
# 给数据处理块开缓存，块命名为data_process
{r data_process, cache=TRUE}
# 数据导入、清洗代码

# 模型块依赖data_process块，上游块改动时本块缓存自动失效重跑
{r model_fit, cache=TRUE, dependson="data_process"}
# 模型训练代码
```
如果代码块依赖外部原始数据文件，可以加cache.extra = file.mtime("raw/")参数，监控原始数据文件夹内的文件修改时间，原始数据更新时自动触发缓存更新。
方案3：计算流程与报告文档分离（适合大型项目）
把数据导入、清洗、建模、预绘图所有耗时步骤全部拆到独立的R脚本中，在knit文档之前就提前跑完所有计算流程，把最终报告需要用到的所有对象、图片、表格统一存到指定结果目录。R Markdown文档里只写结果加载、表格格式化、报告正文内容，knit时完全不涉及重计算，速度最快。
用这个方案建议给结果文件加上更新时间戳或者版本号，避免报告引用过时的旧结果。

注意：以上方案都不会影响报告复现性，需要全量重跑验证结果时，只要清空所有缓存文件/存储的结果文件，再执行knit就会从头运行所有代码。

内容的提问来源于stack exchange，提问作者Abdullah Abdelaziz