如何在R中缓存需用户输入的向量化调用？以taxize包查询为例

嘿，这个需求我太有共鸣了！处理大型生物分类数据集的时候，反复手动选择匹配结果真的能把人折腾疯，给用户选择加个缓存绝对是提升效率的核心。我给你分享两个实用的方案，你可以根据需求选：

memoise包是R里做函数结果缓存的神器，它能自动帮你记住函数的输入和对应的输出，完全不用自己写复杂的缓存逻辑。

比如你用taxize里的get_tsn（或者其他类似的查询函数），只需要简单包装一下就行：

library(taxize)
library(memoise)

# 创建一个基于文件系统的缓存（重启R也不会丢失缓存内容）
taxon_cache <- cache_filesystem("~/taxon_id_cache")

# 包装查询函数，加上缓存功能
get_tsn_cached <- memoise(get_tsn, cache = taxon_cache)

之后你调用get_tsn_cached("Quercus robur")的时候，第一次遇到多结果会让你手动选择，选择后的结果会被存在本地的taxon_id_cache文件夹里。下次再查同一个学名，直接从缓存里取结果，完全不用再重复选择了！

如果memoise的默认逻辑满足不了你的需求（比如要自定义缓存的存储格式、或者要和其他工作流程联动），自己写一个缓存函数也很简单，比如用JSON文件来持久化缓存：

library(taxize)
library(jsonlite)

# 定义缓存文件的存储路径
cache_path <- "taxon_id_cache.json"

# 初始化缓存文件（如果不存在就创建一个空列表）
if (!file.exists(cache_path)) {
  write_json(list(), cache_path)
}

# 自定义带缓存的查询函数
get_cached_taxon_id <- function(scientific_name) {
  # 读取现有的缓存内容
  current_cache <- read_json(cache_path)
  
  # 检查缓存里有没有这个学名的结果
  if (scientific_name %in% names(current_cache)) {
    message(glue::glue("✅ 从缓存加载 {scientific_name} 的ID"))
    return(current_cache[[scientific_name]])
  }
  
  # 缓存里没有结果，调用taxize查询并让用户选择
  message(glue::glue("🔍 首次查询 {scientific_name}，请选择匹配结果"))
  selected_id <- get_tsn(scientific_name, ask = TRUE)
  
  # 把新选择的结果存入缓存
  current_cache[[scientific_name]] <- selected_id
  write_json(current_cache, cache_path, auto_unbox = TRUE)
  
  return(selected_id)
}

这个函数的逻辑很清晰：每次先查缓存文件，有结果直接返回；没有的话就调用taxize的查询函数，让用户选择后把结果存进缓存，下次再查就不用重复操作了。

一些小提示 #

• 不管用哪种方案，都要确保taxize查询函数的ask参数设为TRUE，这样多结果时才会触发用户选择
• 如果需要更新某个学名的缓存，直接删除对应的缓存条目（或者整个缓存文件/文件夹）就行
• 处理大型数据集时，用lapply或者purrr::map批量调用缓存函数即可，第一次遇到新学名会暂停让你选，之后全程自动运行

内容的提问来源于stack exchange，提问作者choff