R包开发-2.2：在RStudio中使用Rcpp制作R-Package(更新于2023.8.23)

4-添加C++函数

5-编辑元数据

6-启用Roxygen，执行文档化。

7-单元测试

8-在自己的计算机上安装R包：

9-程序发布

参考：

为什么要写这篇文章的更新日期？因为R语言发展很快，很多函数或者方式，现在可以使用，不代表之后的若干年之后，还可以用，可能那个时候有更方便且快捷的操作方式。

4-添加C++函数

有的时候，为了让R代码运行速度快一些，可能会借助一些编译语言，如C++。R是一门高级的、富有表现力的语言，但这事以速度为代价的，这就是为什么结合低级的编译语言（如C或者C++）可以有力地补充你的代码。虽然C和C++往往需要更多的代码行（和更仔细地思考）来解决同样地问题，但它们的速度可以比R快上几个数量级。

cpp = c plus plus = c++

c++函数函数可以直接在R中使用的接口为 Rcpp包（名字取得很好，R和C++）

usethis::use_rcpp("mean_rcpp")#生成一个mean_rcpp的c++文件

这个代码做了如下工作：

创建一个src/目录以存放.cpp文件；
在DESCRIPTION的LinkingTo和Imports域添加Rcpp；
建立一个.gitignore文件，确保你不会无意中提交任何已编译的文件；
在console中告诉你，需要你手动添加到报中的两个roxygen标签。（这条的具体细节在接下来的内容中会涉及到，这里不展开了。）

注意：C++代码都放在src/目录文件夹，R代码都放在R/目录文件夹，scr/目录这个文件夹是usethis::use_rcpp("c++函数名")自动生成。

在https://github.com/coatless-r-n-d/rcpp-and-doparallel/tree/master/src 中找到我们想要生成的mena_rcpp.cpp文件，打开复制里面的内容到我们当前打开的cpp文件。

展示运行use_rcpp函数后console中的结果，√号表示这个函数完成的操作，●表示需要我们手动进行的操作。

> usethis::use_rcpp("mean_rcpp")
✔ Adding 'Rcpp' to LinkingTo field in DESCRIPTION
✔ Adding 'Rcpp' to Imports field in DESCRIPTION
• Copy and paste the following lines into 'R/ReproduceRcpp2doParallel-package.R':
  ## usethis namespace: start
  #' @importFrom Rcpp sourceCpp
  ## usethis namespace: end
  NULL
  [Copied to clipboard]
✔ Creating 'src/'
✔ Adding '*.o', '*.so', '*.dll' to 'src/.gitignore'
• Copy and paste the following lines into 'R/ReproduceRcpp2doParallel-package.R':
  ## usethis namespace: start
  #' @useDynLib ReproduceRcpp2doParallel, .registration = TRUE
  ## usethis namespace: end
  NULL
  [Copied to clipboard]
✔ Writing 'src/mean_rcpp.cpp'
• Modify 'src/mean_rcpp.cpp'

可以看到√号完成的工作内容在本文usethis::use_rcpp("mean_rcpp")函数介绍那已经介绍过了，我们重点来看下●的部分。一共有三个●，具体来说：

• Copy and paste the following lines into 'R/ReproduceRcpp2doParallel-package.R':意思是将下面的行复制粘贴到R/ReproduceRcpp2doParallel-package.R文件。这个R文件是我们自己手动生成的，是"R包名字-package.R"；
• Copy and paste the following lines into 'R/ReproduceRcpp2doParallel-package.R':同上。
Modify 'src/mean_rcpp.cpp' 修改mean_rcpp.cpp文件，意思是对创建的mean_rcpp.cpp中添加C++代码。

5-编辑元数据

每个包都必须有一个DESCRIPTION文件，它用来存放关于创建的R包的重要元数据。

打开DESCRIPTION文件，包名、编码等部分信息都是自己生成的，包括可编辑标题（单行文字）、版本号、作者、描述（一段文字）、网址等信息，导入、许可等信息更简易通过命令添加。

版本号：通常是三位：大版本.小版本.补丁版本，按照数据值大小递进。
依赖包：Imports下所列的包是必须存在的，因为构建的R包中使用了依赖包中的函数，当别人安装你的包的时候，也会自动安装这些包。推荐使用use_package("pkgname")的方式添加依赖包。
选择许可：
- use_agpl3_license(),结果显示AGPL (>=3)；
- use_gpl3_license(),结果显示GPL(>=3).
- use_gpl_license(version = 2)
LazyData为true，确保加载包时自动惰性加载（使用时才载入内存）内部数据集。

查看下面的目标，通过上述介绍的命令完成（1）添加依赖包，（2）选择许可（3）其他一些修改（如Title，作者等信息，这个不修改也可以，不影响我们复现这个R包）

6-启用Roxygen，执行文档化。

Build tab -> More -> Configure Build Tools:
Check Generate documentation with Roxygen:
Build--> More --->Document

7-单元测试

测试时开发R包的重要部分，可以确保代码更加稳健，能成功地实现相关的功能。

测试的一般原则是，设想函数可能遇到的各种情况下，是否都能得到预期的结果。策略之一是每当你遇到一个bug，就为它写一个测试，来检查函数是否能得到预期的结果。

虽然通过执行load_all()模拟加载包，可以在控制台做一些函数测试，但是更好的做法是采用testthat包提供的单元测试，这是一种正式的自动化测试。

具体操作如下：

先初始化包的单元测试：

use_testthat()

它将Suggests::testthat添加到DESCRIPTION，创建目录tests/testthat/,并添加脚本test/testthat.R。

打开或创建针对某函数的测试文件：

use_test("mean_parallel_compute")

测试文件是由若干个test_that()构成，第一个参数是对测试的描述，测试内容是大括号内的代码块，一般是比较函数返回值与期望值是否（近似）相等、是否复合类型等。

然后执行测试（若测试结果全为PASS，则表示通过测试）：

test()

如果单元测试没有问题，再执行R CMD check检测

check()

在控制台会输出潜在错误、警告、注意的具体反馈，我们希望三者都是0。

8-在自己的计算机上安装R包：

Build --> Install package

9-程序发布

开发完的R包，如果愿意开源给其他人使用，有几个发布平台供选择：CRAN、GitHub。

CRAN是大家比较熟悉的，由R Core的小组维护，审查很严格；
GitHub是通过devtools包维护的一个发布平台，适合个人发布，无审查。

由于CRAN平台有各种审查，不允许随便发布，那么我们就先把程序发布到GitHub上面，等功能完善后，再申请提交到CRAN。把项目上传到GitHub的操作，和R语言没有什么关系。

操作步骤为：Git--> Staged--> Commit --> Push（下面会展示具体操作细节），将包的相关文件推送到GitHub远程仓库，换句话说，将包发布到GitHub，从而别人可以从GitHub上通过devtools包可以安装和使用你的R包。

具体步骤：

点击Git

单击“暂存”复选框以暂存要推送到GitHub的文件，然后单击“提交”。

将打开一个新窗口，它将反映您要提交到GitHub存储库的文件。您也可以在“提交消息”文本框中编写提交消息，然后单击“提交”按钮。（不要选中“修改以前的提交”框——这只会导致灾难）值得注意的是：下图的Commit message要填写内容，这个例子中填写的是“First commit”,这个在下面第二张图可以看到。如果不再commit message中填写内容，则会终止提交，告知你因为没有commit message。提交到GitHub成功后会看到在每个文件后面看到commit message.