使用fusen工具从Rmarkdown文件创建R包完整指南
2025-07-02 23:19:49作者:邬祺芯Juliet
什么是fusen项目
fusen是一个创新的R包开发工具,它采用"Rmarkdown优先"的开发理念,允许开发者通过编写Rmarkdown文档来构建完整的R包。这种方法将文档编写、函数开发、测试用例和包结构管理统一在一个工作流程中,大大简化了R包的开发过程。
快速开始:创建你的第一个fusen包
1. 初始化项目
使用fusen创建新包有两种方式:
方法一:通过RStudio界面
- 打开RStudio
- 选择 File > New Project > New directory > Package using {fusen}
- 选择"teaching"模板开始
方法二:通过命令行
create_fusen("path/to/new/project", template = "teaching")
2. 理解模板结构
初始化后,项目中会生成一个"dev/flat_teaching.Rmd"文件,这是你的开发起点。这个文件包含几个关键部分:
- description部分:定义包的基本信息
- function部分:编写函数代码
- example部分:编写函数使用示例
- tests部分:编写单元测试
- development部分:开发配置代码
详细开发流程
1. 填写包描述信息
使用fill_description()函数设置包的元数据:
fill_description(
pkg = dummypackage,
fields = list(
Title = "你的包标题",
Description = "详细描述包的功能和用途",
`Authors@R` = c(
person("姓名", "姓氏", email = "邮箱",
role = c("aut", "cre"),
comment = c(ORCID = "ORCID号")),
person(given = "公司", role = "cph")
)
)
)
2. 开发函数和文档
在Rmd文件中按以下结构组织内容:
```{r function-myfunction}
# 在这里编写你的函数代码
myfunction <- function(x) {
# 函数实现
}
```
```{r example-myfunction}
# 函数使用示例
myfunction(1:10)
```
```{r tests-myfunction}
# 单元测试代码
test_that("myfunction works", {
expect_equal(myfunction(1:10), expected_result)
})
```
3. 构建包
完成开发后,使用inflate()函数将Rmd转换为完整的包结构:
fusen::inflate(
flat_file = "dev/flat_teaching.Rmd",
vignette_name = "使用指南",
open_vignette = TRUE,
document = TRUE,
check = TRUE
)
这个操作会:
- 将函数代码移动到R/目录
- 将测试代码移动到tests/testthat/目录
- 将Rmd转换为vignette文档
- 更新DESCRIPTION文件
- 执行包检查
高级用法
添加新模板
当需要开发新功能模块时,可以添加新的模板文件:
add_flat_template(template = "add")
# 或简写
add_additional()
许可证设置
在development部分添加许可证信息:
```{r development-license, eval=FALSE}
usethis::use_mit_license("你的姓名")
```
最佳实践与注意事项
-
命名规范:
- 确保每个块名称唯一
- 使用"function-前缀"命名函数块
- 对应的示例和测试块使用"example-函数名"和"tests-函数名"
-
开发流程:
- 定期清除工作空间,避免环境变量干扰
- 先写文档和示例,再实现函数(TDD理念)
- 频繁执行inflate检查包结构
-
限制说明:
- 每个块通常对应一个主函数
- 子函数可以放在同一个块中,但只有主函数能有示例
- 示例和测试块必须放在对应函数块之后
为什么选择fusen
fusen的创新方法带来了几个显著优势:
- 文档驱动开发:确保代码和文档同步更新
- 简化流程:将多个开发步骤统一在一个界面中完成
- 降低门槛:让新手更容易开始包开发
- 可重复性:整个开发过程可完全重现
通过fusen,R包开发变得更加直观和高效,特别适合需要频繁迭代和文档更新的项目。无论是教学演示还是实际项目开发,fusen都能提供清晰的工作流和可靠的结果。
登录后查看全文
热门项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
675
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
627
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
947
886
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
302
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
909
暂无简介
Dart
921
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
142
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381