首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

在R中快速重复构建包

是通过使用devtools包中的函数来实现的。具体步骤如下:

  1. 首先,确保已经安装了devtools包。如果没有安装,可以使用以下命令进行安装:
代码语言:txt
复制
install.packages("devtools")
  1. 在R中创建一个新的包,可以使用以下命令:
代码语言:txt
复制
devtools::create("包名")

其中,"包名"是你想要创建的包的名称。

  1. 进入到新创建的包的目录中,可以使用以下命令:
代码语言:txt
复制
setwd("包名")

其中,"包名"是你创建的包的名称。

  1. 在包的目录中,可以使用以下命令来添加函数和其他文件:
代码语言:txt
复制
devtools::use_function("函数名")

其中,"函数名"是你想要添加的函数的名称。

  1. 在包的目录中,可以使用以下命令来构建和安装包:
代码语言:txt
复制
devtools::install()

这将会构建并安装你的包。

  1. 如果你对包进行了修改,并想要重新构建和安装包,可以使用以下命令:
代码语言:txt
复制
devtools::install(build_vignettes = TRUE)

其中,build_vignettes参数用于构建包的文档。

  1. 如果你想要在GitHub上分享你的包,可以使用以下命令:
代码语言:txt
复制
devtools::use_github()

这将会创建一个与GitHub相关的配置文件。

总结: 在R中快速重复构建包可以通过使用devtools包中的函数来实现。首先,使用create函数创建一个新的包,然后进入到包的目录中,使用use_function函数添加函数和其他文件。最后,使用install函数构建和安装包。如果需要重新构建和安装包,可以使用install函数,并设置build_vignettes参数为TRUE。如果想要在GitHub上分享包,可以使用use_github函数。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

  • 国家生物信息中心开发DNA甲基化芯片数据标准化方法—GMQN

    过去十年来,由于DNA甲基化芯片技术的不断发展以及测序成本的快速下降,DNA甲基化芯片数据呈现爆发式增长。这些数据是表观基因组关联研究(Epigenome-Wide Association Studies,EWAS,NAR| 表观组关联分析数据库 - EWAS Data Hub)的宝贵资源,为基于大规模整合分析的EWAS研究提供了数据支撑。然而,在整合公共DNA甲基化芯片数据时,不得不面对两个棘手的问题。首先,公共数据样本量大且增长速度快,必须要考虑大数据整合中的N+1问题。其次,大多数公共数据没有提供原始数据。因此,无法获取control探针和OOB (Out Of Band)探针的信息,而这两类探针的信息是目前绝大多数DNA甲基化芯片标准化方法必须的。

    00
    领券