R语言【taxlist】——backup_object(),load_last():创建和加载 R 对象备份

Package taxlist version 0.2.4


Description

当处理数据变得有风险时,最佳实践是生成备份文件。

backup_object() 方法是 save() 方法的包装器,向结果文件(扩展名为 *.rda的 R映射文件)的名称添加时间戳和后缀。

load_last() 方法识别这种格式,并将最新备份版本加载到会话中。


Usage

backup_object(
  ...,
  objects = character(),
  file,
  stamp = TRUE,
  overwrite = FALSE
)

load_last(file, fext = ".rda")

Arguments

参数【...】:要保存的对象的名称(符号或字符串)。

参数【objects】:指示要包含在备份文件中的对象名称的字符向量。

参数【file】:一个字符值,表示备份文件的名称,不带扩展名。

参数【stamp】:一个逻辑值,指示是否应该在备份名称中打戳时间。

参数【overwrite】:指示是否必须覆盖现有文件的逻辑值。

参数【fext】:指示文件扩展名(包括点符号)的字符值。


Details

在这两个函数中,参数【file】可以包括相对于工作目录的路径或文件的绝对路径,不包括时间戳和扩展名。

对于overwrite=FALSE(默认值),如果在同一天生成了另一个备份,则将在备份的名称中添加一个数字后缀。

对于overwrite=TRUE,文件中不包含后缀,现有文件将被覆盖。

load_last() 方法将在存储在同一文件夹中的备份中加载最新版本,前提是备份名称包含时间戳。


Value

扩展名为 *.rda 的 R 映射。


Examples

首先,模拟实际操作中创建了一个子集:

Pseudognaphalium <- subset(x = Easplist, subset = grepl("Pseudognaphalium",
        TaxonName), slot = "names", keep_parents = TRUE)

在临时文件夹中创建备份

backup_object(Pseudognaphalium, file = file.path(tempdir(), "Pseudonaphalium"))

backup_object(Pseudognaphalium, file = file.path(tempdir(), "Pseudonaphalium"))

会话中删除对象后加载备份

rm(list = "Pseudognaphalium")

load_last(file = file.path(tempdir(), "Pseudonaphalium"))

加载预安装的备份

load_last(file.path(path.package("taxlist"), "extdata", "Podocarpus"))

最近更新

  1. TCP协议是安全的吗?

    2024-01-25 06:36:04       18 阅读
  2. 阿里云服务器执行yum,一直下载docker-ce-stable失败

    2024-01-25 06:36:04       19 阅读
  3. 【Python教程】压缩PDF文件大小

    2024-01-25 06:36:04       19 阅读
  4. 通过文章id递归查询所有评论(xml)

    2024-01-25 06:36:04       20 阅读

热门阅读

  1. RDMA在KVM实现条件

    2024-01-25 06:36:04       37 阅读
  2. 油烟净化器科技改革,清新用餐生活

    2024-01-25 06:36:04       31 阅读
  3. Vite和Webpack的区别是什么

    2024-01-25 06:36:04       35 阅读
  4. 数据库学习命令总结(持续更新)

    2024-01-25 06:36:04       34 阅读
  5. 算法提升——LeetCode122场双周赛总结

    2024-01-25 06:36:04       42 阅读
  6. 云架构(一)

    2024-01-25 06:36:04       33 阅读
  7. Postgresql中的jsonb数据类型学习使用

    2024-01-25 06:36:04       37 阅读
  8. 解释LoRA参数

    2024-01-25 06:36:04       37 阅读
  9. nlp文本主题提取算法总结

    2024-01-25 06:36:04       37 阅读